سرطان ریه، از آن دسته بیماریهای است که بر خلاف تصورات افراد، اگر به زودی تشخیص داده شود، قابل درمان است . از آنجا که علائم سرطان ریه در مراحل پیشرفته ظاهر می شود، بنابراین شناسایی دقیق آن که منجر به مرگ و میر بالا در بین انواع دیگر سرطان می شود، دشوار است . از این رو پیش بینی اولیه سرطان ریه برای فرآیند تشخیص ضروری است. این راه چالش برانگیز، برای افزایش شانس بقای بیمار است. از این رو روشهایی که تا کنون ارائه شده است نسبت به یکدیگر در چگونگی استخراج ویژگیها و همچنین نوع سیستم طبقهبندی بکار رفته، تفاوت دارند و به ندرت طبقهبندی کاملی را انجام دادهاند. لذا، در روش پیشنهادی، ابتدا پیش پردازش دادهها روی تصاویر سرطان ریه که شامل تصاویر CT میباشند، توسط فیلتر میانهی غیر محلی صورت میگیرد. سپس، توسط الگوریتم آستانه گذاری، ناحیه بندی میشوند. در مرحلهی بعد، به تشخیص برجستگی جهت آشکارسازی ضایعات بر روی تصاویر سرطانی وغیرسرطانی پرداخته میشود.آنگاه در گام بعد، استخراج ویژگیهای مختلف صورت گرفته و با نقشه برجستگی ادغام شده و سپس از کاهش ویژگی توسط PCA استفاده شده و در آخر به دسته بندی دادهها پرداخته میشود. نتایج روش پیشنهادی نشان میدهد که این روش به دلیلی پیچیدگی محاسبات کم و سادگی نسبت به سایر روشها عملکرد بهتری دارد و به دقت 30.89 درصد رسیده است.
