طراحی الگوریتم شبکه دسته بندی دو مرحله ای جهت تشخیص سرطان خون نوع لوسمی لنفوسیتی حاد (ALL) در تصاویر لام خون

تشخیص سرطان خون کار بسیار دشواری است، به همین دلیل نیاز به استفاده از تکنیک های پردازش تصویر می باشد. هدف اصلی این تحقیق، ارائه سیستمی بر پایه مدل های هوشمند بود که بتواند دقت سیستم تشخیصی را در زمینه سرطان خون نوع لوسمی حاد ارتقا بخشد. تصاویر تهیه شده در این پژوهش از پایگاه داده University Degli Studi Dimilan استخراج و در فضای نرم افزار MATlab 2014a پردازش شد. در این تحقیق از روش Fuzzy-Cmeans در بخش قطعه بندی و از تکنیک های مبتنی بر شبکه های عصبی و ماشین بردار پشتیبان در بخش شبکه های دسته بندی کننده استفاده شد. ملاحظات اخلاقی: در این مطالعه، تمامی اصول اخلاق در پژوهش رعایت شده است. با استفاده از انتقال تصویر اولیه به چهار فضای RGB، HSV،Lab و Enhanced RGB داده های مربوط به ویژگی ها استخراج شد. داده های به دست آمده از مرحله قبل وارد شبکهSVM شد و سپس شبکه داده های نرمال را از داده های غیرنرمال جداسازی کرد. نتایج حاصل از مقایسه خروجی روش پیشنهادی با روش های آموزشی مختلف، بیشترین میانگین دقت برابر با مقدار 7/95 درصد را نشان داد. شبکه پیشنهادی به طور مناسب از مزایای هریک از شبکه ها به طور جداگانه، بهره برداری نمود و موجب گردید که نقاط ضعف هریک از الگوریتم ها توسط دیگری برطرف گردد. این ترکیب شبکه ها سبب ارتقای دقت خروجی تا 98 درصد شد و از طرف دیگر زمان محاسبات انجام شده را به شدت کاهش داد.