使用具有优化特征的 CANFES 分类进行甲状腺肿瘤检测的性能分析-研究论文

人体新陈代谢是通过甲状腺激素与甲状腺的适当分离来维持的。 由于不正确的饮食习惯和祖先的基因，在这个甲状腺中形成了异常细胞。 这些异常细胞导致甲状腺肿瘤区域的发展。 在本文中，使用协同主动自适应神经模糊专家系统（CANFES）分类框架检测和分割甲状腺超声图像中的肿瘤区域，其性能有所提高。 所提出的框架分为三个主要模块：增强、Gabor 变换、CANFES 分类，通过特征提取过程和肿瘤分割方法训练。 提取的特征使用遗传算法（GA）进行优化。 与没有 GA 的 CANFES 分类相比，使用 GA 的 CANFES 分类提高了大约 2.5% 的分类率。该系统实现了 97.7% 的灵敏度、99.8% 的特异性和 99.1% 的准确度。