تشخیص سلول های پیش سرطانی دهانه رحم با استفاده از طبقه بندی ترکیبی برروی تصاویر پاپ اسمیر

زمینه: 

 سرطان دهانه رحم در سلول های سطحی آغاز شده و به مرور زمان می تواند بافت‌های عمیق تر و بافت های اطراف را مورد تهاجم قرار بدهد. این مقاله ایده خلاقانه ای را در مورد استفاده از الگوریتم طبقه بندی ترکیبی ارایه می دهد که باعث بهبود عملکرد پیش بینی کننده سیستم هوش مصنوعی مبتنی برغربالگری سرطان دهانه رحم می‌شود. هدف از این تحقیق، طبقه‌بندی تصاویر پاپ اسمیر توسط روش‌های مختلف یادگیری ماشین برای دستیابی به میزان تشخیص با دقت بالا است.

روش‌کار:

 این مطالعه بر روی 917 تصویر پاپ اسمیر از پایگاه داده‌ی عمومی Herlev انجام پذیرفت. در مرحله استخراج ویژگی تعداد 20 ویژگی هندسی و 76 ویژگی بافتی استخراج شده است. سپس با استفاده از روش طبقه‌بندی ترکیبی تصاویر به دو دسته (طبیعی و غیر طبیعی) و هفت دسته (سطحی طبیعی، متوسط طبیعی و پارابازال طبیعی و سلول‌های پیش سرطانی خفیف، پیش سرطانی متوسط، پیش سرطانی شدید و سلول‌های سرطانی) تقسیم شده اند و صحت روش پیشنهادی مورد بررسی قرار گرفته شده است.

یافته‌ها:

 الگوریتم مورد نظر در طبقه‌بندی ترکیبی توانست به صحت 99/9 درصد با مدت زمان 0/028 ثانیه در طبقه بندی دوکلاسه و صحت 76/5 درصد با مدت زمان 0/033 ثانیه در طبقه بندی هفت کلاسه دست پیدا کند.

نتیجه‌گیری:

  براساس نتایج، الگوریتم طراحی شده می‌تواند به عنوان یک ابزار کمک تشخیص کامپیوتری به منظور پیش‌آگاهی و افزایش دقت و سرعت پیش بینی خطر بروز سرطان دهانه رحم استفاده گردد.

پیامدهای عملی: 

سرطان دهانه رحم یکی از شایع ترین سرطان‌ها در بین زنان می‌باشد که تشخیص به موقع بیماری می‌تواند از صرف هزینه‌های مختلف برای بیماران و مراجعات مکرر به مراکز درمانی جلوگیری به عمل آورد. در این مطالعه روش کمک تشخیصی کامپیوتری مناسبی برای تشخیص زود هنگام این بیماری و افزایش دقت در تشخیص ارایه شده است.