شبکه کانولوشن بهینه شده با الگوریتم فراابتکاری LO برای طبقه بندی خودکار تومور مغزی

بدون شک، مغز به عنوان حساس ترین عضو بدن، عملکردهای اساسی و مهم بدن انسان را کنترل می کند. تومور مغزی یک بیماری سرطانی شدید است که به دلیل تقسیم قابل کنترل و غیرطبیعی سلول ها ایجاد می شود. به دلیل اینکه طبقه بندی نادرست تومور مغزی می تواند به عواقب بدی منجر شود، انتخاب درست نوع و درجه تومور نقش مهمی در تعیین برنامه درمانی مناسب دارد. به همین دلیل، طبقه بندی خودکار تومور مغزی نقش حیاتی و کارآمدی در شتاب دادن به فرایند درمان، برنامه ریزی و افزایش نرخ بقای بیماران دارد. به منظور پرداختن به این مسئله، رویکرد جدیدی به نام شبکه کانولوشن بهینه شده با الگوریتم فراابتکاری (LO CNN) توسعه داده شده است. این رویکرد شامل پیش پردازش تصاویر MRI مغز برای کاهش نرخ تشخیص کاذب تومور است. سپس، با استفاده از بخش های خطی برای حفظ جزئیات لبه های پنهان، یک فرایند ناحیه کاندید برای شناسایی ناحیه تومور اعمال می شود. ویژگی های مختلفی از ناحیه تقسیم بندی شده استخراج می شود که با استفاده از یک شبکه عصبی کانولوشنال (CNN) طبقه بندی می شود. سیستم LO CNN پیشنهادی با استفاده از معیارهای دقت پیکسل، نرخ خطا، دقت، ویژگی و حساسیت ارزیابی شده است. این سیستم بادقت ۹۹% بر روی مجموعه داده های Kaggle به دست می آید.

کلیدواژه ها:

الگوریتم فراابتکاری LO ، کاهش ازدست دادن لبه تصویر ، شبکه عصبی کانولوشنال ، تومور مغزی