ارائه یک روش ترکیبی جهت دسته بندی تصاویر MRI با بهبود کارایی دسته بند بردار پشتیبان با استفاده از الگوریتم فاخته

تصاویر MRI با تفکیک پذیری بالا و دقت مناسب به پزشکان این امکان را می دهد که در تشخیص بیماری های مختلف اظهارنظر و برای درمان دقیق آن ها تصمیم گیری کنند. استفاده از فناوری کامپیوتر در تصمیم گیری پزشکی در حال حاضر گسترده و فراگیر می باشد و در طیق گسترده ای از تحقیقات پزشکی مانند تحقیقات سرطان، گوارش، بیماری های قلبی، تومورهای مغزی و غیره استفاده می شود. در این پژوهش یک روش ترکیبی جهت بهبود کارایی دسته بند بردار پشتیبان با استفاده از الگوریتم تکاملی فاخته ارائه شده است. ویژگی های الگوریتم تکامی فاخته این است که در مقایسه با سایر روش ههای بهینه سازی تکاملی همگرایی سریع تر، سرعت بیشتر، دقت بسیار بالاتر، احتمال بسیار کمتر گیر افتادن در نقاط بهینه محلی می باشد. روش پیشنهادی به وسیله نرم افزار متلب پیاده سازی و با استفاده از معیارهای ارزیابی مانند دقت، حساسیت، ویژگی و معیارهای دیگر مورد ارزیابی قرار خواهد گرفت. نتایج دسته بندی ترکیبی دقت، ویژگی و حساسیت بالای 98% نشان می دهد که در مقایسه با سایر کارها اخیر قوی تر و مؤثرتر است.