ارائه روشی مبتنی بر الگوریتم بهین هسازی سیاه چاله جهت تشخیص سرطان پروستات از طریق تصاویر MRI

سرطان پروستات، شایع ترین نوع سرطان بدخیم در بین مردان بوده و به عنوان یکی از اصلی ترین عوامل مرگ و میر ناشی از سرطان در مردان شناخته می شود. دشواری فرآیندهای تشخیصی مانند نمونه برداری از توده موجب شده است تا راهکارهای تشخیصی جدید سرطان پروستات مانند پردازش تصاویر MRI از اولویت های تحقیقاتی سال های اخیر باشد.

در این مطالعه توصیفی-کاربردی، یک روش چهار مرحله ای به منظور تشخیص سرطان پروستات از طریق پردازش تصاویر MRI ارایه شده است. در مرحله اول اثر مخرب نویز در تصاویر ورودی با استفاده از تجزیه گسسته موجک دوبعدی و تعدیل هسیتوگرام کاهش یابد. در مرحله دوم از الگوریتم بهینه سازی سیاه چاله به منظور ناحیه بندی تصویر ورودی مبتنی بر تکنیک آستانه های چندسطحی استفاده می شود. با انجام این کار، ناحیه های مشکوک به تومور در تصویر شناسایی شده و در مرحله سوم، ویژگی های مربوط به هر ناحیه هدف استخراج می شود. در مرحله چهارم با استفاده از ترکیب سه الگوریتم شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان سرطان پروستات شناسایی می گردد.

کارایی روش پیشنهادی در تشخیص سرطان پروستات از جنبه های دقت، حساسیت، ویژگی و درستی مورد ارزیابی قرار گرفته و عملکرد آن با سایر مدل های یادگیری مقایسه شده است. براساس نتایج حاصل، روش پیشنهادی می تواند عمل تشخیص سرطان پروستات از طریق تصاویر MRI را با دقت میانگین 99 درصد انجام دهد.

در روش پیشنهادی از ترکیب تکنیک های پردازش تصویر، بهینه سازی و یادگیری ماشین برای دستیابی به این هدف استفاده شده است. روش پیشنهادی نسبت به سایر روش های مورد مقایسه دارای دقت بالاتری است.