زمینه و هدف: تشخیص سرطان خون کار بسیار دشواری است، به همین دلیل نیاز به استفاده از تکنیک‌‌های پردازش تصویر می‌باشد. هدف اصلی این تحقیق، ارائه سیستمی بر پایه مدل‌‌های هوشمند بود که بتواند دقت سیستم تشخیصی را در زمینه سرطان خون نوع لوسمی حاد ارتقا بخشد.
مواد و روش‌ها: تصاویر تهیه شده در این پژوهش از پایگاه داده University Degli Studi Dimilan استخراج و در فضای نرم‌افزار MATlab 2014a پردازش شد. در این تحقیق از روش Fuzzy-Cmeans در بخش قطعه بندی و از تکنیک‌‌های مبتنی بر شبکه‌‌های عصبی و ماشین بردار پشتیبان در بخش شبکه‌‌های دسته‌بندی‌کننده استفاده شد.
ملاحظات اخلاقی: در این مطالعه، تمامی اصول اخلاق در پژوهش رعایت شده است.
یافته‌ها: با استفاده از انتقال تصویر اولیه به چهار فضای RGB، HSV،Lab و Enhanced RGB دادههای مربوط به ویژگی‌‌‌ها استخراج شد. دادههای به‌دست آمده از مرحله قبل وارد شبکهSVM شد و سپس شبکه دادههای نرمال را از دادههای غیرنرمال جداسازی کرد. نتایج حاصل از مقایسه خروجی روش پیشنهادی با روش‌‌های آموزشی مختلف، بیشترین میانگین دقت برابر با مقدار 7/95 درصد را نشان داد.
نتیجه‌گیری: شبکه پیشنهادی به طور مناسب از مزایای هریک از شبکه‌‌‌ها به‌طور جداگانه، بهره‌برداری نمود و موجب گردید که نقاط ضعف هریک از الگوریتم‌‌‌ها توسط دیگری برطرف گردد. این ترکیب شبکه‌‌‌ها سبب ارتقای دقت خروجی تا 98 درصد شد و از طرف دیگر زمان محاسبات انجام شده را به شدت کاهش داد.
