طبقهبندی و تشخیص تومور مغزی در تصاویر پزشکی MRI به کمک شبکه عصبی عمیق

تشخیص نوع تومور برای پزشکان امری بسیار حیاتی است زیرا می توانند بر اساس تشخیص داده شده، درمدان را انعماد داده و مراحل بهبود بیمار سریعتر انجام داده و از اتلاف وقت و هزینه ناشی از راههای درمانی ناکارآمد جلوگیری کنند. پزشکان با تحلیل تصاویر MRI مغز و قطعه بندی تومور می توانند اطلاعاتی از موقعیت و اندازه ی تومور را استخراج نموده و با استداده از تجربه و دانش خود برنامه ی درمانی بیمار را مشخص کنند. قطعه بندی دستی تصاویر MRI بسیار زمانبر است و ممکن است منجر به اشتباه در تشخیص مرزهای تومور توسط پزشک گردد. از این رو، ضرورت توسعه یک سیستم تشخیصی اتوماتیک یا نیمه اتوماتیک با استفاده از کامپیوتر در حوزه ی درمانهای پزشکی احساس می شود. چنین سیستمی می تواند حجم کاری متخصصان پزشکی را کاهش داده و با ارائه نتایج عینی، دقت در تشخیص را بهبود بخشد. هرچند الگوریتم های زیادی برای انجام این کار توسعه یافته اند، اما متاسفانه بسیاری از آن ها دارای دقت و قابلیت کمی می باشند. به همین دلیل، ما سعی کردیم با بهره گیری از شبکه عصبی کانوگوش، انواع تومور مغزی را با دقت قابل قبول تشخیص دهیم. در این تحقیق، اطلاعات مربوط به تومورهای مختلف از سایت معتبر فیزیونت جمع آوری می شود و با استفاده از نرم افزار متلب، نویزهای موجود کاهش می یابد و در نهایت مراحل بررسی بر روی آنها انجام می گیرد. در این تحقیق با استفاده از شبکه عصبی کانوگوش، توانستیم با دقت و صحت بالا و قابل قبول، سه نوع تومور مغزی را از یکدیگر تشخیص دهیم.

کلیدواژه ها:

طبقهبندی ، تومور مغزی ، تصاویر MRI ، شبکه عصبی کانوگوش