使用遗传算法和CANFIS方法进行自动化宫癌诊断
Elayaraja P1, Kumarganesh S2, K Martin Sagayam3
1Department of Electronics and Communication Engineering, Kongunadu College of Engineering and Technology, Trichy, India.
概括
这项研究引入了一种用于细分宫癌区域的自动化系统,实现高精度. 这种先进的方法增强了早期检测和诊断女性宫恶性瘤.
科学领域:
- 医疗成像医学成像
- 计算病理学计算病理学
- 医疗保健中的人工智能
背景情况:
- 宫恶性瘤是东非和南亚妇女癌症相关死亡的主要原因.
- 早期和准确的宫癌检测对于改善患者的治疗结果和降低死亡率至关重要.
研究的目的:
- 开发一种高效的自动化系统,用于在宫图像中对癌症区域进行细分.
- 通过先进的图像分析,提高宫恶性瘤的诊断能力.
主要方法:
- 使用高斯波器进行图像预处理.
- 使用局部二进制模式 (LBP) 和灰色水平共发生矩阵 (GLCM) 的特征提取.
- 通过遗传算法 (GA) 优化特征,并使用协作自适应神经模糊推理系统 (CANFIS) 进行分类.
- 用形态学技术对恶性区域进行细分.
主要成果:
- 自动化系统实现了高性能指标:99.09%的灵敏度,99.39%的特异性和99.36%的准确性.
- 提出的方法有效地区分正常和异常的宫组织.
结论:
- 开发的自动化系统在细分宫癌区域方面表现出卓越的性能.
- 这些发现被专家放射科医生验证,证实了该方法的临床相关性和潜力.
