بررسی روشهای مختلف شناسایی تومور مغزی با استفاده از پردازش تصاویر MRI

تکثیر نابجای سلولهای مغز منجر به وضعیتی میشود که به عنوان تومور مغزی شناخته میشود. با توجه به ماهیت پیچیده ساختار مغز استفاده از روش تصویر برداری تشدید مغناطیسی (MRI) به طور گسترده ای رشد کرده است. استفاده از اسکن MRI برای شناسایی انواع ناهنجاریهای بافتی جستجوی تومورها و ارزیابی این که آیا نومور هنوز وجود دارد یا در حال بازگشت است روشی رایج بوده که نقش حیاتی در تعیین محل تومور دارد. تشخیص تقسیم بندی و پردازش تصاویر MRI از بافت آلوده مغزی یک کار تکراری بوده که توسط رادیولوژیست ها و متخصصان بالینی انجام میشود و بسیار مهم است که تصاویر پزشکی برای کمک به شناسایی اختلالات مختلف پردازش شوند. با توجه به نادر بودن و تنوع تومورها تشخیص دقیق و سریع تومور برای پزشک کار دشواری است که میتواند منجر به عدم دقت در نتایج شناسایی تومور با استفاده از تصویربرداری تشدید مغناطیسی (MRI) شود. به همین منظور مطالعات موردی متعددی در خصوص جدیدترین روشهای پردازش تصاویر مبتنی بر MRI برای تشخیص و طبقه بندی تصاویر تومور مغزی وجود دارد و با توجه به پیشرفتهای تکنولوژی در زمینه پزشکی این مطالعه مروری به معرفی برخی تکنیکهای پردازش تصاویر MRI می پردازد تا این امکان را برای متخصصان ایجاد کند که بدون انجام هر گونه عمل جراحی تومورهای مغزی را به طور دقیق و سریع شناسایی کرده و ویژگیهای تومورهای مشخص شده را جهت درمان به موقع پردازش نمایند. نتایج به دست آمده در این بررسی نشان داد از بین مدلهای از پیش آموزش دیده (EfficientNet مدل EfficientNet-B۲ دارای دقت بیشتری (۹۹٫۵ درصد در مقایسه با سایر رویکردهای یادگیری عمیق در تشخیص تومورهای مغزی بود هم چنین با توجه به کاهش شدید محاسبات مورد نیاز در مدلهای از پیش آموزش دیده میتواند فرصتهای جدیدی را برای تشخیص تومورهای مغزی با استفاده از مدل EfficientNet در تلفن های همراه باز کند.