Bio-inspired methods modeled for respiratory disease detection from medical images

پزشکی محل مهمی برای کاربرد عملی علم است. تلفیق مدل سازی و برنامه ریزی ریاضی در روش های کامپیوتری، حمایت زیادی برای درمان و تشخیص کارآمد می باشد. هوش محاسباتی یکی از این علوم است که کمک های ارزشمندی در حمایت از تصمیم گیری می دهد. در این مقاله ما یک روش اختصاص داده شده برای شبیه سازی آزمایشات پزشکی بیماری های ریوی ارائه می کنیم. ما پیشنهاد می کنیم که روش های بی نظیری که به عنوان پشتیبانی تصمیم گیری خودکار در فرایند شناسایی بافت های بیمار بر روی تصاویر ورودی اشعه ایکس طراحی شده است، طراحی شده است. این روش ها دارای ویژگی های خاصی هستند که با مدل سازی اختصاصی آنها را به صورت مستقل بر روی تصاویر با دقت خوب جستجو می کنند. در رویکرد ما از شرایط تناسب اختصاصی برای الگوریتم های انتخابی اکتشافی استفاده می کنیم. مدل ریاضی تخصص پزشکی به عنوان تابع مورد استفاده برای جستجو برای ویژگی های خاصی از پیکسل هایی است که به نمایندگی از بیماری های تنفسی مانند پنومونی، سارکوئیدوز ریه و سرطان تبدیل شده است. مدل تصمیم گیری ارائه شده شبیه سازی فرایند بررسی تصویری اشعه ایکس پزشکی است تا نشان دهد که در آن بافت های بالقوه بیماری مواجه هستند. برای افزایش تصمیم گیری، سیستم به نتایج تشخیص پزشک از دو آهنگ باز می گردد. در ابتدا، بیمار و پزشک می توانند تشخیص را از هر یک از الگوریتم ها و نتایج دوم جمع آوری کنند. به این ترتیب، دکتر یک پشتیبانی پیچیده را فراهم می کند که شبیه سازی مشاوره تصویر با متخصصین مختلف را شبیه سازی می کند. در آزمایشهای معیار، برای مجموعه ای از تصاویر اشعه ایکس اصلی از کلینیک های مختلف، روش های کاربردی برای نشان دادن مزایای استفاده از راه حل های مورد بررسی مورد بررسی قرار گرفت. نتایج نشان می دهد که روش پیشنهادی برای شناسایی بیماری های ریوی کارآمد و امیدوار کننده است.