آشکارسازی نوع تومور مغزی با استفاده از تصاویر MRI و ویژگی های بافتی توسط الگوریتم های کلاسبندی مختلف

این مقاله یک سیستم طبقه بندی را برای تشخیص تصاویر مغزی MRI خوشخیم و بدخیم پیشنهاد می کند. امروزه تصمیم گیری و درمان تومورهای مغزی بر اساس علائم و ظاهر رادیولوژیکی است . تصویربرداری تشدید مغناطیسی MRI مهم ترین ابزار کنترل شده برای قضاوت تشریحی تومورها در مغز است . در تحقیق حاضر از تکنیک های مختلفی برای طبقه بندی سرطان مغز استفاده شده است . هدف اصلی این مقاله ارائه یک نتیجه مطلوب از طبقه بندی سرطان مغز با استفاده از تصاویر MRI است . در روش پیشنهادی ، پیش پردازش تصویر، استخراج ویژگی تصویر و طبقه بندی سرطان مغز با تکنیک های مختلف یادگیری ماشین از جمله ماشین بردار پشتیبان((SVM، K نزدیک ترین همسایه ((KNN و طبقه بندی کننده ناو بیز((Naïve Bayes، درخت تصمیم و boosted tree برای طبقه بندی ۴۰ تصویر استفاده می شود. طبق نتایج بدست آمده طبقه بندی کننده SVM بهترین نتیجه را نسبت سایر الگوریتم ها با میزان ۹۵ درصد دقت ،۱۰۰ درصد صحت و ۹/۹۰ درصد حساسیت و F-measure ۲/۹۵ درصد بدست آمد.

کلیدواژه ها:

تومور مغزی ، بدخیم ، خوش خیم ، طبقه بندی کننده ، تصاویرMRI