تشخیص زودهنگام سرطان کولن در تصاویر پزشکی CTC با استفاده از الگوریتم ترکیبی SVM و PSO-KMEANS

در این مقاله، یک سیستم هوشمند تشخیص به کمک کامپیوتر (CAD) برای غربالگری زودهنگام پولیپ‌ها و تومورهای کولن در تصاویر سی‌تی کولونوگرافی (CTC) با ترکیب الگوریتم بهینه‌سازی ازدحام ذرات (PSO) و خوشه‌بندی K-Means جهت استخراج ویژگی و رده‌بندی دقیق با ماشین بردار پشتیبان (SVM) ارائه شده است.

دستاوردهای کلیدی:
• بهبود دقت رده‌بندی ضایعات خوش‌خیم و بدخیم تا ۹۶/۴٪
• کاهش نرخ مثبت کاذب (False Positives) در پردازش تصاویر پزشکی
• پایه‌ریزی روش‌های بهینه‌سازی هوشمند در پردازش تصویر