طبقه بندی تومور مغزی در تصاویر MR با استفاده از شبکه خودرمزنگار عمیق و الگوهای باینری محلی

تومور مغزی نوعی نئوپلاسم سخت و توپر واقع در مغز یا کانال مرکزی نخاع است. در حال حاضر تشخیص تومورهای مغزی یکی از مسائل کلیدی در ارزیابی تصاویر پزشکی می باشند. هرچند امروزه از تصویربرداری تشدید مغناطیسی MRI برای تشخیص ساختار و بافت تومورهای مغزی استفاده می شود اما تحلیل تصاویر بسیار پیچیده است. حجم بالای اطلاعات و آثار مخربی از قبیل نویز، معمولا استخراج محل تومور در تصاویر را با مشکل مواجه می کند. سیستم تشخیص هوشمند بر پایه بینایی کامپیوتر می تواند امکان تشخیص دقیق تومور در تصاویر را فراهم کند. در تحقیق حاضر، از یک شبکه خودرمزنگار عمیق برای طبقه بندی تومور مغزی در تصاویر MR استفاده شده است. هدف از ارائه ی روش پیشنهادی افزایش دقت طبقه بندی و حذف تشخیص نواحی نادرست به جای محل تومور است. استخراج ویژگی ها به منظور کاهش ابعاد پیکسل های تومور در ناحیه سالم اطراف آن، توسط الگوهای باینری محلی انجام شده است. کاهش ابعاد ویژگی و کد کردن بهینه این ویژگی ها در شبکه خودرمزنگار عمیق منجر به افزایش دقت طبقه بندی میگردد. روش پیشنهادی در محیط MATLAB و بر روی پایگاه داده تصاویر استاندارد BRATS۲۰۱۵ پیاده سازی شده است. با ارزیابی نتایج به دست آمده و بهبود دقت طبقه بندی تا ۹۷% می توان نتیجه گرفت روش پیشنهادی در مقایسه با سایر روش های ارائه شده در سال های اخیر بازده بهتری داشته است.

کلیدواژه ها:

طبقه بندی ، تومور مغزی ، شبکه عصبی خودرمزنگار ، الگوهای باینری محلی ، تصاویر MR