TY - JOUR T1 - An Optimal Algorithm for Dividing Microscopic Images of Blood for the Diagnosis of Acute Pulmonary Lymphoblastic Cell Using the FCM Algorithm and Genetic Optimization TT - الگوریتم بهینه تقسیم‌بندی تصاویر میکروسکوپی خون برای تشخیص سلول‌های لوسمی حاد لنفوبلاست با استفاده از الگوریتم FCM و بهینه‌سازی ژنتیک JF - jsdp JO - jsdp VL - 15 IS - 2 UR - http://jsdp.rcisp.ac.ir/article-1-567-fa.html Y1 - 2018 SP - 45 EP - 54 KW - leukemia KW - FCM algorithm KW - neural network KW - genetic algorithm KW - clustering N2 - سرطان‌ها گروهی از بیماری‌ها هستند که به‌صورت رشد بی‌رویه و خارج از کنترل تعدادی از سلول‌ها، ایجاد می‌­شوند و حدود دویست نوع مختلف دارند. سرطان لوسمی (خون) یکی از انواع‌ این سرطان‌هاست. تشخیص سرطان خون در بیمارستان‌ها و مراکز درمانی با تهیه لام از بافت خون و قراردادن زیر میکروسکوپ و توسط یک‌ متخصص پاتولوژی صورت می‌گیرد. پاتولوژیست‌ها با توجه به شکل و تعداد گلبول‌های موجود در خون نوع بیماری را مشخص می‌کنند. هدف از این مقاله ارائه مدلی هوشمند با استفاده از الگوریتم FCM [1] به‌منظور خوشه‌بندی و شبکه عصبی برای انتخاب ویژگی‌هاست؛ همچنین در آن از الگوریتم ژنتیک در مرحله بهبود الگوهای تشخیصی استفاده شده است. با استفاده از این مدل به تشخیص زود‌هنگام سرطان لوسمی حاد لنفوبلاست و سپس دسته‌بندی ALL[2] به سه زیر شاخه مورفولوژیکی (L1، L2 وL3) می‌توان اقدام کرد. در این پژوهش نمونه‌هایی از 38 بیمار سرطانی لوسمی حاد لنفوییدی تهیه شد. این مطالعه بر روی 68 تصویر میکروسکوپی و با در‌نظر‌گرفتن پانزده ویژگی هندسی و آماری انجام شد که نتیجه آن حاکی از حساسیت، ویژگی و دقت بالاتر برای ده ویژگی نسبت به سایر ویژگی‌ها بود. بر اساس ویژگی‌های استخراج‌شده، این روش با سه روش مشابه اخیر مقایسه شد. ارزیابی‌ها نشان داد که روش پیشنهادی به‌طور میانگین پارامترهای حساسیت، ویژگی و دقت را به میزان 15/85%، 17/98% و 53/96% به‌دست آورد. 1 Fuzzy C-means Clustering 2 Acute Lymphoblastic Leukemia M3 10.29252/jsdp.15.2.45 ER -