تشخیص تومور های کبد از تصاویر سی تی اسکن با استفاده از شبکه عصبی مصنوعی کانولوشن

سرطان کبد به افزایش نرخ مرگ و میر در جهان کمک می کند. بنابراین ، تشخی ص زودهنگام ممکن است منجر به کاهش عوارض و افزایش شانس بقا شود. این تحقیق یک سیستم تشخیص به کمک رایانه ارائه می کند که از اسکن های توموگرافی کامپیوتری برای دسته بندی تومورهای کبدی به عنوان خوشخیم یا بدخیم استفاده می کند. کبد بخش بندی شده سه بعدی از مجموعه دادههای LiTS۱۷ از طریق یک شبکه عصبی کانولوشنال (CNN) منتقل می شود تا تومورهای موجود را به عنوان خوشخیم یا بدخیم شناسایی و طبقه بندی کند. در این کار، یک شبکه عصبی CNN سبک جدید با هفت لایه و فقط یک لایه معمولی برای طبقه بندی کبد تقسیم بندی شده پیشنهاد شده است . این مدل پیشنهادی در دو مسیر مختلف استفاده می شود. مسیر اول از طبقه بندی یادگیری عمیق استفاده می کند و به دقت ۷.۸۳% و۹.۹۵% دست می یابد. در همین حال، مسیر دوم از ویژگی های استخراج شده به طور خودکار همراه با یک طبقه بندی کننده ما شین بردار پشتیبانی (SVM) استفاده می کند و به دقت ۹.۹۵% و ۹.۹۷% دست می یابد. شبکه پیشنهادی سبک ، سریع ، قابل اعتماد و دقیق است . این می تواند توسط یک متخصص انکولوژی مورد استفاده قرار گیرد، که تشخیص را به یک کار ساده تبدیل می کند. علاوه بر این ، شبکه پیشنهادی دقت بالایی را بدون تنظیم تصاویر بدست می آورد که باعث کاهش زمان و هزینه می شود.

کلیدواژه ها:

توموگرافی کامپیوتری ، بافت کبد ، شبکه عصبی کانولوشن ، تشخیص تومور های کبدی .