quantum inverse mft algorithm
در نشریات گروه برق-
Nowadays, medical intelligence detection systems have evolved significantly due to advancements in artificial intelligence, however, they face some challenges. Breast cancer diagnosis and classification is one of the medical intelligence systems. There are a variety of screening techniques available to detect breast cancer such as mammography, magnetic resonance imaging, and ultrasound. This research uses the MIAS mammography image dataset and tries to diagnose and classify benign and malignant masses based on image processing and machine learning techniques. Initially, we apply pre-processing for noise reduction and image enhancement using Quantum Inverse MFT, and then image segmentation with the Social Spider Algorithm. The type of mass is then diagnosed by the Convolutional neural network. The results show that the proposed approach has better performance in comparison to others based on some evaluation criteria such as accuracy of 99.57%, sensitivity of 91%, and specificity of 86%.
Keywords: Breast Cancer, Diagnosis, Classification, Quantum Inverse MFT Algorithm, Social Spider Algorithm, Convolutional Neural Network -
سیستم های تشخیص هوشمند پزشکی امروزه به لطف هوش مصنوعی، دچار تغییرات و همچنین چالش هایی شده اند. یکی از این سیستم های هوشمند پزشکی، سیستم های تشخیص و طبقه بندی توده های سرطانی از نواحی سینه می باشد. تشخیص زودهنگام می تواند منجر به افزایش گزینه های درمانی شود. انواع تکنیک های غربالگری برای سرطان سینه مانند ماموگرافی، MRI و التراساند وجود دارد. بسته به روش تشخیص نوع توده های سرطانی، از هرکدام از این تصاویر استفاده شده و تکنیک های پردازشی متفاوتی برای آنها ارایه شده است. این تحقیق به استفاده از مجموعه داده های ماموگرافی MIAS می پردازد و بر اساس اصول پردازش تصویر و یادگیری ماشین، سعی در تشخیص و طبقه بندی توده های خوش خیم، بدخیم و مشکوک را دارد. لذا به ارایه یک رویکرد تکامل یافته می پردازد، بدین صورت که در ابتدا عملیات پیش پردازش با هدف کاهش نویز و بهسازی تصویر مبتنی بر روش پیشنهادی Quantum Inverse MFT انجام می شود و سپس بر اساس شدت روشنایی و لبه، عملیات تقطیع تصویر با استفاده از الگوریتم عنکبوت اجتماعی صورت می گیرد. در ادامه عملیات استخراج ویژگی ها و طبقه بندی با هدف تشخیص نوع توده های سرطانی، با روش Extereme Learning Machine و مدل توسعه یافته آن یعنی Moore Penrose Matrix - Extereme Learning Machine انجام می شود. نتایج تحقیق نشان می دهد که رویکرد پیشنهادی از لحاظ معیارهای ارزیابی همچون دقت، حساسیت، نرخ ویژگی ها و همین طور ROC و AUC نسبت به روش های پیشین دارای برتری عملکردی است.کلید واژگان: سرطان سینه، تشخیص و طبقه بندی، الگوریتم عنکبوت اجتماعی، Quantu Inverse MFT، MPM-ELMmedical intelligence detection systems have been changed and also faced with some challenges. Breast cancer diagnosis and classification is one of these medical intelligence system. Early detection can increases the options for curative treatment. There are a variety of screening techniques available to detect breast cancer such as mammography, magnetic resonance imaging and ultrasound. These images have been presented for a variety of applications and different processing techniques to date based on the type of cancer diagnosis. This research used MIAS mammography image dataset and try to diagnose and classify benign, malignant and suspicious masses based on image processing and machine learning techniques. So, a new developed approach proposed which at first, apply pre-processing for noise reduction and image enhancement based on Quantum Inverse MFT, and then image segmentation with Social Spider Algorithm based on two features such as brightness and edges apply. Then two main parts of diagnosis and classification apply which based on ELM and MPM-ELM. Obtained results presented that proposed approach have better performance in comparison to others based on some evaluation criteria such as accuracy, sensitivity, specificity and also ROC and AUCKeywords: breast cancer, Diagnosis, Classification, Quantum Inverse MFT Algorithm, Social Spider Algorithm (SSA), MPM-ELM
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2025 magiran.com All Rights Reserved.