بخش بندی معنایی تومورهای مغزی در تصاویر چندوجهی MRI با استفاده از شبکه های عصبی عمیق و مکانیزم توجه

امروزه در کارهای تشخیصی پزشکی روش های هوشمند مبتنی بر یادگیری عمیق به دلیل سرعت بالا، عملکرد قوی و سهولت استفاده از جایگاه ویژه ای برخوردار می باشند. در همین راستا در این پژوهش به منظور استخراج و بخش-بندی معنایی تومورهای مغزی در تصاویر چندوجهی MRI از یک ساختار مبتنی بر شبکه های عصبی عمیق که معماری آن مبتنی بر ساختار رمزگذار-رمزگشا بود، استفاده شد. به منظور بهبود عملکرد این شبکه عصبی عمیق در استخراج تومورها و معطوف شدن هر چه بیشتر توجه این شبکه عمیق به بخش های بااهمیت و دارای تومور، در بخش رمزگذار از مکانیزم توجه استفاده شده است. همچنین به منظور عملکرد بهتر بخش رمزگذار در استخراج ویژگی و تحلیل تصویر و نیز همگرا شدن مطلوب تعلیم روش پیشنهادی ارائه شده در این پژوهش در قسمت رمزگذار از اتصالات باقی مانده و نیز یادگیری انتقالی استفاده شد. در آزمایش ها و ارزیابی های نهایی انجام شده مشاهده شد که ساختار خلاقانه پیشنهادی موفق شد تا ضایعات موجود در تصاویر پایگاه داده مورد استفاده در این پژوهش یعنیBRATS ۲۰۲۰ را با صحت ۹۴% و نیز میانگین IOU برابر با ۸۹% انجام می دهد.

کلیدواژه ها:

تومورهای مغزی ، شبکه های عصبی عمیق ، مکانیزم توجه ، بخش بندی معنایی ، یادگیری انتقالی