تشخیص و تحلیل تومورهای مغزی در تصاویر پزشکی با استفاده از شبکه عصبی پیش خور بهینه شده با الگوریتم های الهام گرفته از رفتارهای کوانتومی

مقدمه:  تشخیص سریع و دقیق تومورهای مغزی نقش کلیدی در بهبود فرآیند درمان و افزایش بقای بیماران دارد. تصاویر تشدید مغناطیسی (MRI) به عنوان روشی استاندارد و غیرتهاجمی، داده های پیچیده ای تولید می کنند که تحلیل دستی آن ها به دلیل تنوع ظاهری تومورها، شباهت برخی ضایعات به بافت های سالم و حجم بالای داده ها، زمان بر و مستعد خطا است. این پیچیدگی ها، استفاده از روش های هوشمند مبتنی بر هوش مصنوعی را برای افزایش دقت و سرعت تحلیل تصاویر پزشکی ضروری ساخته است. فناوری های یادگیری عمیق می توانند با کاهش خطاهای انسانی، تشخیص را بهبود بخشند. این پژوهش چارچوبی نوآورانه برای شناسایی خودکار تومورهای مغزی ارائه می دهد. این مطالعه بر طراحی یک مدل شبکه عصبی پیش خور با مکانیزم توجه درونی تمرکز دارد که با الگوریتم ازدحام ذرات کوانتومی (QPSO) بهینه سازی شده است. هدف، توسعه سیستمی دقیق، سریع و قابل تفسیر برای شناسایی نواحی تومور در تصاویر MRI است که در مراکز درمانی با منابع محدود نیز کاربردی باشد. روش کار: تصاویر MRI چندوجهی (T۱ T۱ce, T۲, و FLAIR) از منابع معتبر مانند چالش قطعه بندی تومور مغزی (BraTS) و آرشیو تصویربرداری سرطان (The Cancer Imaging Archive) گردآوری شدند. تصاویر با نرمال سازی شدت، فیلترهای حذف نویز (گوسی و میانه) و اصلاح ناهمگنی شدت پیش پردازش شدند. ویژگی های آماری، بافتی و فرکانسی استخراج و با تحلیل مولفه های اصلی (PCA) به ۳۰۰ مولفه کاهش یافتند. وزن دهی ویژگی ها با روشی الهام گرفته از اهمیت سنجی اسناد انجام شد. مدل شامل شبکه عصبی پیش خور با پنج لایه پنهان و مکانیزم توجه درونی بود که با QPSO بهینه شد. نقشه های حرارتی برای تفسیر نتایج تولید شدند. یافته ها: مدل پیشنهادی با دقت ۹۹/۶%، حساسیت ۹۹/۴% و ویژگی ۹۹/۷%، عملکردی برتر از مدل های رایج مانند شبکه های کانولوشنی (۹۷/۱%) و U-Net (۶/۲%) ارائه داد. زمان پیش بینی هر تصویر کمتر از ۰/۵ ثانیه بود. نقشه های حرارتی، شناسایی دقیق نواحی غیرطبیعی را نشان دادند. نتیجه گیری: این مدل با دقت بالا و سرعت مناسب، ابزاری موثر برای تشخیص تومورهای مغزی، به ویژه در مناطق کم منبع، ارائه می دهد. این پژوهش گامی مهم در بهبود خدمات تشخیصی است.

کلیدواژه ها:

Brain Tumor Detection ، Feedforward Neural Network ، Attention Mechanism ، Medical Image Segmentation ، تشخیص تومور مغزی ، شبکه عصبی پیش خور ، مکانیسم توجه ، قطعه بندی تصویر پزشکی ، بهینه سازی ازدحام ذرات کوانتومی