، جلد ۲۲، شماره ۱، صفحات ۱۰۸-۱۱۴
عنوان فارسی طراحی الگوریتم شبکه دسته‌بندی دو مرحله‌ای جهت تشخیص سرطان خون نوع لوسمی لنفوسیتی حاد (ALL) در تصاویر لام خون
چکیده فارسی مقاله زمینه و هدف: تشخیص سرطان خون کار بسیار دشواری است، به همین دلیل نیاز به استفاده از تکنیک‌‌های پردازش تصویر می‌باشد. هدف اصلی این تحقیق، ارائه سیستمی بر پایه مدل‌‌های هوشمند بود که بتواند دقت سیستم تشخیصی را در زمینه سرطان خون نوع لوسمی حاد ارتقا بخشد. مواد و روش‌ها: تصاویر تهیه شده در این پژوهش از پایگاه داده University Degli Studi Dimilan  استخراج و در فضای نرم‌افزار MATlab 2014a پردازش شد. در این تحقیق از روش Fuzzy-Cmeans در بخش قطعه بندی و از تکنیک‌‌های مبتنی بر شبکه‌‌های عصبی و ماشین بردار پشتیبان در بخش شبکه‌‌های دسته‌بندی‌کننده استفاده شد. ملاحظات اخلاقی: در این مطالعه، تمامی اصول اخلاق در پژوهش رعایت شده است. یافته‌ها: با استفاده از انتقال تصویر اولیه به چهار فضای RGB، HSV،Lab  و Enhanced RGB  داده‌‌های مربوط به ویژگی‌‌‌ها استخراج شد. داده‌‌های به‌دست آمده از مرحله قبل وارد شبکهSVM  شد و سپس شبکه داده‌‌های نرمال را از داده‌های غیرنرمال جداسازی کرد. نتایج حاصل از مقایسه خروجی روش پیشنهادی با روش‌‌های آموزشی مختلف، بیشترین میانگین دقت برابر با مقدار 7/95 درصد را نشان داد. نتیجه‌گیری: شبکه پیشنهادی به طور مناسب از مزایای هریک از شبکه‌‌‌ها به‌طور جداگانه، بهره‌برداری نمود و موجب گردید که نقاط ضعف هریک از الگوریتم‌‌‌ها توسط دیگری برطرف گردد. این ترکیب شبکه‌‌‌ها سبب ارتقای دقت خروجی تا 98 درصد شد و از طرف دیگر زمان محاسبات انجام شده را به شدت کاهش داد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Designing A Two-Stage Classification Network Algorithm for Acute Lymphocytic Leukemia Diagnosis in Blood Lamella Images
چکیده انگلیسی مقاله Background and Aim: Diagnosis of leukemia is very difficult, therefore, it is necessary to use image processing techniques. The main objective of this study was to provide a system based on intelligent models that could improve the accuracy of the diagnostic system for acute leukemia. Materials and Methods: The images produced in this study were extracted from the University Degli Studi Dimilan database and processed in the MATlab 2014a software. In this research, Fuzzy-Cmeans method was used in fragmentation and neural network and support vector machine in classification networks. Ethical Considerations: In this study, all principles of research ethics were considered. Findings: Feature data were extracted using the original image transfer to RGB, HSV, Lab and Enhanced RGB spaces. The data obtained from the previous step were entered into the SVM network, then the network separated normal data from abnormal data. The results of comparing the output of the proposed method with different educational methods showed the highest mean of accuracy equal to 95.7%. Conclusion: The application of the proposed network in this study was that eliminate the weak points of all the networks in addition to presenting the advantages of these network. Combining the networks improved the accuracy of output up to 98% and considerably reduced the time required for calculations.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله آرمان زمانی | Arman Zamani
Department of Medical Equipment, Arak Ayatollah Khansari Hospital, Arak, Iran.
گروه تجهیزات پزشکی، بیمارستان آیت الله خوانساری، اراک، اراک، ایران.

ابوالقاسم بابایی | Abolghasem Babaei
Khomein University of Engineering, Khomein, Iran.
دانشگاه فنی و مهندسی خمین، خمین، ایران.

نیر سادات مصطفوی | Nayyer Sadat Mostafavi
Department of Radiation Therapy, Arak Ayatollah Khansari Hospital, Arak, Iran.
گروه پرتودرمانی، بیمارستان آیت الله خوانساری اراک، اراک، ایران.

نشانی اینترنتی http://jams.arakmu.ac.ir/browse.php?a_code=A-10-5574-2&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/2736/article-2736-2048372.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده علوم پایه
نوع مقاله منتشر شده پژوهشی اصیل
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات