تشخیص تومورهای مغزی مبتنی بر ویژگی های عمیق بهینه شده توسط شبکه عصبی کانولوشن

تومور مغزی یک توده غیرطبیعی در مغز است که با توجه به ماهیت سلول های تشکیل دهنده، می تواند خوش خیم یا بدخیم باشد. متاثر بافت تومور از یک محل دیگر به مغز منتشر شود اصطلاحا متاستاز ایجاد شود بیماران یا قطعه بندی تومور در تصاویر می تواند اطلاعات مفیدی برای موقعیت اندازی تومور بدست آورند و با استفاده از تجربه و دانش خود برنامه ای درمانی مشخص کنند. قطعه بندی به صورت دستی برای حجم طبیعی با استفاده از تصاویر ای حرفه ای زمان بر و خسته کننده بوده و اطلاعات پزشک است. از طرفی این کار عملی ذهنی است و ممکن است باعث اشتباه در تشخیص مرزهای تومور توسط پزشک گردد. بنابراین توسعه یک سیستم تشخیصی نیمه اتوماتیک یا تمام اتوماتیک در کمک کامپیوتر در درمان های پزشکی مورد نیاز است تا بتواند حجم کاری پزشکان را کاهش داده و دقت را با دادن نتایج عینی بهبود بخشند. در این مقاله با استفاده از شبکه عصبی کانولوشن و با یادگیری عمق ۱۰۰۰ ویژگی را از تصاویر MRI استخراج کرده سپس با استفاده از انتخاب ویژگی های بهینه ۲۰ ویژگی را به عنوان ورودی طبقه بندی کننده ها می شود و در طبقه بندی SVM با دقت ۹۹.۸۷ تومورهای مغزی را از هم تفکیک می کنند. در نتیجه روش فوق برای تشخیص تومور مغزی مناسب می باشد.

کلیدواژه ها:

تومور مغزی ، شبکه عصبی کانولوشن ، AlexNet ، پردازش تصویر