رضا اکبری دوتپه سفلی - دانشجوی دکتری سنجش از دور-دانشکده مهندسی نقشه برداری و اطالعات مکانی-پردیس دانشکدههای فنی-دانشگاه تهران
مهدی آخوندزاده هنزائی - دانشیار دانشکده مهندسی نقشه برداری و اطالعات مکانی- پردیس دانشکدههای فنی-دانشگاه تهران

یکی از چالش های اصلی درمان تومور مغزی تشخیص دقیق اندازه و مکان تومور در مغز با استفاده از تصویر تشدید مغناطیسی می باشد. تشخیص تومور مغزی به صورت دستی توسط اپراتور کاری زمان بر می باشد و به تجربه و تخصص اپراتور بستگی دارد. از این رو در سالیان اخیر محققان روش های نیمه خودکار و خودکار بسیاری را پیشنهاد داده اند که در این میان روش های مبتنی بر یادگیری عمیق توانسته اند عملکرد مطلوبی از خود نشان دهند و توجه همگان را به سوی خود جلب کنند. در این تحقیق یک روش مبتنی بر یادگیری عمیق برای تشخیص تومور مغزی ارائه گردیده است. شبکه پیشنهادی مبتنی بر شبکه U-Net می باشد و با تغییراتی که در لایه های این شبکه انجام شده، عملکرد این شبکه برای تشخیص قسمت های مختلف تومور مغزی بهبود یافته است. در هر لایه شبکه U-Net یک هم آمیخت با اندازه فیلتر ۱*۱ اضافه شده تا بتوان قسمت های کوچک تومور نیز تشخیص داده شود. این شبکه پیشنهادی با استفاده از داده های BRATS ۲۰۱۸ مورد ارزیابی قرار گرفت و با سه روش مورد مقایسه قرار گرفت. برای ارزیابی نتایج روش پیشنهادی از سه معیار بازیابی ، دقت و IoU استفاده کردیم که مقادیر این سه معیار به ترتیب ۹۳۹/۰، ۹۶۷/۰ و ۹۰۶/۰ به دست آمد که نشان داد شبکه پیشنهادی عملکرد مطلوبی را در مقایسه با سایر روش های مبتنی بر یادگیری عمیق دارد.

تشخیص الگو, تصاویر تشدید مغناطیسی, تومور مغزی, یادگیری عمیق, شبکە Net-U