| عنوان فارسی مقاله: |
الگوریتم ژنتیک هیبریدی برای استخراج و انتخاب ویژگیهای تصاویر پزشکی |
| عنوان انگلیسی مقاله: |
Hybrid Genetic Algorithm for Medical Image Feature Extraction and selection |
چکیده
در مورد سیستم بازیابی تصویر هیبریدی، شیوه الگوریتم ژنتیک (GA) برای انتخاب مجموعه ابعاد کاهش یافته ویژگیها مطرح می شود. این سیستم در سه فاز توسعه یافت. در فاز اول، از سه الگوریتم متمایز برای استخراج ویژگیهای حیاتی از تصاویر استفاده می شود. الگوریتم توصیه شده برای استخراج ویژگیها، الگوریتم استخراج گرادیان کنتور مبتنی بر Texton، الگوریتم استخراج الگوی ذاتی و الگوریتم تبدیل ویژگی ثابت یا تغییر ناپذیردر برابر جابجایی. در فاز دوم برای شناسایی بردار ویژگی بالقوه، انتخاب ویژگی مبتنی بر GA با استفاده از شیوه هیبریدی الگوریتم شاخه و حد و الگوریتم کلونی زنبور مصنوعی با استفاده از تصاویر سرطان سینه، تومور مغزی و تیروئید، انجام می شود. از اندازه گیری فاصله مربع خی برای سنجش تشابه بین تصاویر پرس و جو و تصاویر پایگاه داده استفاده می شود. از تابع برازش با اصل حداقل طول توصیف به عنوان نیاز اولیه برای الگوریتم ژنتیک استفاده گردید. در فاز سوم، برای بهبود عملکرد سیستم بازیابی تصاویر پزشکی مبتنی بر محتوای هیبریدی (ترکیبی)، از روش بازخورد ربط مبتنی بر چگالی استفاده می شود. در این جا از کلمه هیبرید استفاده می شود، زیرا از این سیستم می توان برای بازیابی هر نوع تصاویر پزشکی نظیر سرطان سینه، تومور مغزی، سرطان ریه، سرطان تیروئید و غیره استفاده نمود. از این روش انتخاب ویژگی مبتنی بر یادگیری ماشین برای کاهش مسئله ابعاد سیستم موجود استفاده می شود. نتیجه آزمایش نشان می دهد سیستم بازیابی تصویر مبتنی بر GA، زیرمجموعه بهینه ای از ویژگیها را برای شناسایی مجموعه درستی از تصاویر انتخاب می نماید.
