طراحی و پیاده سازی تشخیص سرطان سینه بر اساس الگوریتمهای محاسبات نرم با استفاده از تصاویر mri

سرطان سینه رایج ترین سرطان در میان زنان و پس از سرطان پوست دومین سرطان رایج در دنیا می باشد. در سال 2009 تقریبا حدود 40610 مرد و زن در اثر ابتلا به این سرطان در ایالات متحده امریکا جان خود را از دست داده اند. لذا تشخیص زودهنگام این سرطان به منظور درمان دارای اهمیت ویژه ای می باشد. به منظور تشخیص سرطان سینه روش های مختلفی از جمله ماموگرافی، اولتراسونوگرافی، تصویربرداری تشدید مغناطیسی mri و مقطع نگاری کامپیوتری ct، وجود دارد. اما در این میان mri به دلیل حساسیت بالا، عدم استفاده از پرتو یونیزه و غیر تهاجمی بودن ارجح می-باشد. در این تحقیق به دسته بندی هوشمند داده های حاصل از تصاویر mr سینه به دو گروه خوش-خیم و بدخیم پرداخته می شود. داده ها بین سال های 2004 تا 2006 در دانشگاه کالیفرنیا جمع آوری شده است. با استفاده از الگوریتم ژنتیک به منظور انتخاب بهترین ویژگی ها از میان کل ویژگی ها و شبکه عصبی-فازی نوع اول و دوم مدل سوگنو به منظور دسته بندی داده ها به اهداف خود خواهیم رسید. در نهایت با استفاده از شبکه عصبی-فازی نوع دوم مدل سوگنو به درستی %41/99، حساسیت %19/99 و خصوصیت %100 رسیدیم.