سال انتشار: ۱۳۹۳
محل انتشار: دومین همایش ملی مهندسی برق ایران
تعداد صفحات: ۷
نویسنده(ها):
مرضیه بهجتی – دانشجوی کارشناسی ارشد مهندسی برق- کنترل، دانشگاه آزاد اسلامی واحد علی آباد کتول
آرزو ذاکری – دانشکده فنی و مهندسی، گروه مهندسی پزشکی، دانشگاه آزاد اسلامی واحد علی آباد کتول
حامد حسینی – دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علی آباد کتول

چکیده:
در این مقاله روش جدیدی برای انتخاب ویژگی از تصاویر و تشخیص خودکار ضایعات رنگدانه ای پوست ارائه شده است. پس از اعمال فرآیندهای پیش پردازش و جداسازی ضایعه از پوست سالم اطراف آن، از هر تصویر ضایعه، ۹۴ ویژگی شامل ویژگی های شکل، رنگ و بافت استخراج می شود. در این تحقیق، ۲۵۰ تصویر در موسکویی شامل ۱۱۵ ضایعه ملانوما و ۱۳۵ ضایعه خوش خیم مورد بررسی قرار گرفته است. بعد از نرمال سازی ویزگی ها، الگوریتم زنبور عسل ویزگی هایی را تعیین می کند که با استفاده از طبقه بند k نزدیکترین همسایگی (knn) دقت طبقه بندی افزایش پیدا کند. با استفاده از این تکنیک و کاهش تعداد ویژگی ها از ۹۴ ویژگی به ۱۰ ویژگی بیشترین دقت طبقه بندی حاصل می شود. نتایج نشان می دهد که دقت تشخیص ضایعات رنگدانه ای، با استفاده از طبقه بند KNN و الگوریتم زنبور عسل، از ۷۶/۴% به ۹۵/۱۱% ارتقاء یافته است.