چکیده مقاله
با گسترش بیماری کووید ۱۹ در سرتاسر جهان و با توجه به انتقال سریع این بیماری از فردی به فرد دیگر، تشخیص درست و به موقع آن اهمیت زیادی پیدا می کند برای تشخیص درست این بیماری از روش های تشخیصی آزمایشگاهی PCR استفاده می شود این روش یکی از روش هایی است که می تواند این بیماری را تشخیص دهد اما نتایج حاصل از آن می تواند کاذب بوده و بیمار و پزشک را به اشتباه بیندازد و در نتیجه منجر به شیوع بیشتر این بیماری گردد از دیگر روش های تشخیصی ، می توان به روش های تصویربرداری پزشکی اشاره کرد که شامل رادیولوژی، CT اسکن و MRI است اما به دلیل حجم زیاد این تصاویر ، امکان تشخیص درست و سریع این بیماری توسط رادیولوژیست نیست لذا این امر نیز می تواند بیماری را تشدید کرده و روند درمان را طولانی تر کند به همین منظور از روش های پردازش تصاویر برای رسیدن به این مهم استفاده می شود در این پژوهش، برای تشخیص این بیماری از روش ترکیبی PSO KSVM استفاده می شود به اینصورت که، ابتدا تصاویر MRI پیش پردازش و ROI هر تصویر استخراج می گردد سپس ویژگی های هیستوگرام جهت دار، هیستوگرام فازی، هیستوگرام رنگ و الگوی محلی باینری هر تصویر انتخاب شده و به عنوان ورودی به الگوریتم PSO KSVM وارد می شوند این مدل، ابتدا دامنه محدوده جست وجوی پارامترهای SVM را تنظیم می نماید و سپس پارامترهای الگوریتمPSO مقداردهی اولیه می شوند در مرحله بعد ، پارامترهای بهینه شده به عنوان ورودی، به سه کرنل SVM به نام های کرنل چند جمله ای همگن، چند جمله ای ناهمگن و کرنل پایه شعاعی گوسی وارد می شوند این سه کرنل، به طور جداگانه دسته بندی را انجام می دهند و در نهایت الگوریتم PSO سه نتیجه به دست آمده را ترکیب کرده و نتیجه نهایی را نشان می دهد نتایج حاکی از آن است که دقت تشخیص بیماری کوید ۱۹ ، با استفاده از پارامترهای روش پیشنهادی ۹۷ ۴۴ درصد است و میزان تاثیر نویز بر آن حدود ۶ تا ۸ درصد کاهش داشته است
کلیدواژهها
نویسندگان
شیوه ارجاع
فریدی ماسوله، مرضیه و جعفری، هدیه و باقری، احمد،1402،تعیین پارامترهای طبقه بندی KSVM با استفاده از الگوریتم PSO در تصاویر MRI به منظور تشخیص بیماری کووید-۱۹،پنجمین کنفرانس بین المللی محاسبات نرم،رودسر
ارائهشده در
مجموعه مقالات پنجمین کنفرانس بین المللی محاسبات نرم16 اسفند 1402 · رودسر