استخراج ویژگی ها و دسته بندی سلول ها در تصاویر تست پاپ اسمیر سرطان دهانه رحم

سرطان دهانه رحم، دومین عامل مرگ میر در میان زنان پس از سرطان سینه است. همچنین این سرطان دهمین رتبه در میان کل سرطان های زنان و مردان را به خود اختصاص داده است روش های متنوعی برای تشخیص این بیماری وجود دارد در حال حاضر در بسیاری از کشورهای از جمله ایران یکی از معممول ترین وکم هزینه ترین روش ها آزمایش پاپ اسمیر است. تشخیص سرطان یا حالت پیش سرطانی وابسته به یافتن سلول های غیرطبیعی بر ری لام یک متخصص سلول شناس است. یک لام ممکن است شامل صدها یا هزاران سلول لاشد بنابراین امکان بررسی نشدن کامل سلول ها به دلیل تعداد زیاد آنها عدم توجه و یا خستگی پزشک متخصص وجود دارد. از طرفی آمار نشان می دهد که تشخیص زودهنگام بیماری ودرمان در مراحل اولیه در کاهش مرگ و میر ناشی از این بیماری نشق بسزایی دارد از این رو می توان در بسیاری موارد یک سیستم تشخیص کامپیوتری را برای بررسی وجود یا عدم وجود ضایعات سرطانی وپیش سرطانی در کنار پزشک مربوطه قرار داد. در این تحقیق ما سعی در طبقه بندی سلول های به دست آمده از تست پاپ اسمیر به دو دسته طبیعی و غیر طبیعی داریم. در موارد سرطان و یا پیش سرطانی سلول های طبیعی دستخوش تغییراتی شده و تبدیل به سلول های غیر طبیعی می گردند. در ابتدا گروه های ویژگی متعددی مانند ویژگی های مربوط به شکل شناسی و ویژگی های بافتی از تصاویر سلولی مربوطه استخراج می گردد. تعداد ویژگی های موثر با استفاده از الگوریتم ژنتیک و روش حدف بازگشتی ویژگی ها پیشنهاد شدهاست. برای دسته بندی سلول ها ازمیان روش های موجود از روش ماشین ها بردار پشتیانی (svm) به عنوان یکی از مطمئن ترین روش های طبقه بندی استفاده شدهاست. نتیجه الگوریتم نهایی طبقه بندی با استفاده از ویژگی های انتخاب شده توسط الگوریتم ژنتیک مقدار سطح زیر مننی برابر با 0/9632 است. همچنین با میزان درصد مثبت صحیح (tp) به دست آمده تسوط svm برابر با 96% و صدرمثبت اشتباه fp حاصله برابر با 4% می باشد.