Resumen

Una cuarta parte de las muertes por cáncer se deben al cáncer de pulmón. Los estudios demuestran que el diagnóstico y el tratamiento tempranos de esta enfermedad son la forma más eficaz de aumentar la esperanza de vida de los pacientes. En este trabajo se propone una detección automática y optimizada asistida por ordenador para el cáncer de pulmón. El método aplica en primer lugar un paso de preprocesamiento para normalizar y denotar las imágenes de entrada. A continuación, se realiza la maximización de la entropía de Kapur junto con la morfología matemática para la segmentación del área pulmonar. A continuación, se extraen 19 características GLCM de las imágenes segmentadas para las evaluaciones finales. A continuación, se seleccionan las imágenes más prioritarias para reducir la complejidad del sistema. La selección de características se basa en un nuevo diseño de optimización, denominado Optimización de Intercambio Térmico Mejorado (ITEO), que está diseñado para mejorar la precisión y la capacidad de convergencia. Finalmente, las imágenes se clasifican en casos sanos o cancerosos basándose en una red neuronal artificial optimizada por ITEO. La simulación se compara con algunos enfoques conocidos y los resultados muestran la superioridad del método propuesto. Los resultados mostraron que el método propuesto, con un 92,27 proporciona el valor más alto entre los métodos comparados.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:cáncer de pulmón, segmentación del área pulmonar, imagen de mayor prioridad, mejora del intercambio térmico, esperanza de vida de los pacientes, nuevo diseño de optimización, red neuronal artificial, optimización del intercambio térmico, evaluación final, imagen de entrada
• Keywords:lung cancer, lung area segmentation, higher priority image, improved thermal exchange, patients life expectancy, new optimization design, artificial neural network, thermal exchange optimization, final evaluation, input image