روشی نوین جهت تشخیص بیماری مالاریا با استفاده از پردازش تصویر

بیماری مالاریا یک بیماری عفونی است که موجب مشکلات جدی در امر سلامت شده است و مهم ترین بیماری انگلی بشری به شمار می رود. برای کنترل و درمان بیماری مالاریا، به تشخیص صحیح و اقدام به موقع نیاز است. در این پژوهش به وسیله روش های پردازش تصویر و شبکه عصبی، روشی خودکار برای تشخیص این بیماری ارائه شده است. در این روش ابتدا پیش پردازش انجام شده و توسط مدل کانتور فعال گلبول های قرمز از تصویر جدا شده و سپس با استفاده از تابع موجک، 840 ویژگی از تصویر استخراج نموده و با کمک ماشین بردار پشتیبان به دو گروه نرمال و غیر نرمال طبقه بندی می گردد. در این پژوهش از پایگاه داده بیماری مالاریا با 120 تصویر نرمال و 120 تصویر غیر نرمال و از نرم افزار MATLAB R2016B استفاده شده است. نتایج نشان می دهد که در مقایسه با مطالعات گذشته، تشخیص بهتر بوده و معیارهای دقت و حساسیت به 25/93 درصد و 100 درصد رسیده است. در مرحله پیش پردازش نویزهایی که به سبب قطعه بندی گلبول های قرمز مشخص شده، از زمینه جداسازی می شوند و سپس به کمک موجک، ویژگی ها استخراج شده و با چند شبکه عصبی و ماشین بردار پشتیبان این داده ها مورد آموزش، آزمون و ارزیابی قرار داده می شوند. در این پژوهش از پایگاه داده بیماری مالاریا با 240 تصویر و نرم افزار Matlab استفاده شد و به کارایی مطلوب 78/99 درصد بهبود یافته است.