تشخیص تومورهای مغزی با استفاده از یادگیری عمیق

مروزه با توجه به افزایش تعداد بیمارانی که دارای تومور مغزی هستند، تشخیص و جداسازی تومور نقش بسزایی در فرآیند درمان و جراحی این عارضه دارد. با توجه به خطای باالی بخش بندی دستی تومور، الگوریتم هایی که این عمل را با خطای کمتر انجام دهند، از اهمیت باالیی برخوردارند. شبکه های عصبی کانولوشن در حوزه ی پردازش تصاویر پزشکی پیشرفت بزرگی داشته اند. استفاده از روش ها و تکنیک های پردازش تصویر و شناسایی الگوها در تشخیص و تعیین خودکار تومور مغزی از روی تصاویر MRI باعث کم شدن خطاهای، انسانی و افزایش سرعت تشخیص می شود. استفاده از مدل های پیش آموزش دیده شبکه عصبی کانولوشن باعث می شود که ویژگی ها با کیفیت باالتر، نسبت به روش های سنتی از تصاویر استخراج شود. به علت ایجاد ویژگی های فراوان توسط مدل های شبکه عصبی کانولوشن، در فاز سوم از روش تحلیل مولفه های اصلی احتمالی به منظور کاهش ابعاد و وابستگی استفاده می شود که از ۱۰۰۰ ویژگی استخراج شده در نهایت ۱۰ ویژگی اصلی انتخاب می شود. در مرحله نهایی با استفاده از KNN سه نوع تومور مغزی از هم تفکیک میشوند. سه نوع تومور با صحت ۹۹.۱۹ % از هم تفکیک شدند. نتایج مقایسه ای نشان می دهد که الگوریتم پیشنهادی عملکرد مناسبی برای تشخیص انواع تومور را دارد.

کلیدواژه ها:

تصاویر MRI ، انواع تومور مغزی ، شبکه Alex net