تشخیص تومورهای مغزی در تصاویر MRI با استفاده از فیلتر گاسین، آستانه گذاری آتسو و شبکه عصبی MobileNetV۲

تومورهای مغزی از مهم ترین بیماری های سیستم عصبی مرکزی محسوب می شوند که تشخیص سریع و دقیق آن ها تاثیر مستقیمی بر انتخاب روش درمان، افزایش طول عمر و بهبود کیفیت زندگی بیماران دارد. تصویربرداری تشدید مغناطیسی (MRI) به دلیل قدرت تفکیک بالای بافت نرم، به عنوان یکی از مهم ترین روش های تصویربرداری برای تشخیص این بیماری شناخته می شود. با این حال، بررسی دستی حجم زیادی از تصاویر MRI فرآیندی زمان بر بوده و به تجربه متخصص وابسته است[۱]. در سال های اخیر، پیشرفت روش های هوش مصنوعی و یادگیری عمیق موجب توسعه سامانه های خودکار تشخیص بیماری های مبتنی بر تصویر شده است [۲].در این پژوهش، یک چارچوب ترکیبی برای تشخیص خودکار تومورهای مغزی بر پایه پردازش تصویر و یادگیری عمیق ارائه شده است. در مرحله نخست، تصاویر MRI با استفاده از فیلتر گاسین پیش پردازش شده و نویزهای موجود کاهش می یابد. سپس با استفاده از الگوریتم آستانه گذاری آتسو ، نواحی مشکوک به تومور از زمینه تصویر جداسازی می شوند. در ادامه، تصاویر پردازش شده به شبکه عصبی کانولوشنی MobileNetV۲ وارد شده و فرآیند استخراج ویژگی و طبقه بندی انجام می شود.نتایج حاصل نشان می دهد که ترکیب روش های کلاسیک پردازش تصویر با شبکه های عصبی عمیق می تواند موجب افزایش دقت تشخیص، کاهش نرخ خطا و بهبود کیفیت استخراج ویژگی ها شود. همچنین استفاده از معماری سبک MobileNetV۲ امکان توسعه سامانه های کمک تشخیصی سریع و کم هزینه را برای مراکز درمانی فراهم می کند. روش پیشنهادی می تواند به عنوان یک ابزار کمکی در کنار متخصصان رادیولوژی جهت افزایش سرعت و دقت تشخیص تومورهای مغزی مورد استفاده قرار گیرد

کلیدواژه ها:

تومور مغزی ، MRI ، پردازش تصویر ، فیلتر گاسین ، آستانه گذاری آتسو ، MobileNetV۲ ، یادگیری عمیق ، هوش مصنوعی.