بهبود دقت و صحت تشخیص تومورهای مغزی در تصاویر MRI با استفاده از روش های یادگیری عمیق مبتنی بر الگوریتم های هوش جمعی

تشخیص دقیق و سریع تومورهای مغزی از روی تصاویر پرتو مغناطیسی (MRI)، یکی از چالش های مهم در حوزه سلامت و پزشکی، به ویژه در رادیولوژی است. استفاده از مدل های یادگیری عمیق، به دلیل قابلیت های بالا در استخراج ویژگی های پیچیده و غیرخطی از داده های تصویری، به طور گسترده ای در حوزه پزشکی مورد توجه قرار گرفته است. با این حال، مدل های یادگیری عمیق به دلیل وابستگی شدید به تنظیمات مدل و حساسیت به کیفیت داده های ورودی، ممکن است نتایج ناپایداری داشته باشند. در این پژوهش، به منظور بهبود دقت و صحت در تشخیص تومورهای سرطانی مغزی، یک مدل یادگیری عمیق مبتنی بر الگوریتم هوش جمعی پیشنهاد شده است، به طوری که از الگوریتم ازدحام ذرات برای تنظیم ابرپارمترهای شبکه عصبی عمیق و از الگوریتم کلونی مورچه برای انتخاب موثرترین ویژگی های تصاویر MRI استفاده شده است. نتایج تجربی آزمایش ها بر روی مجموعه داده های محک تومورهای مغزی Kaggle Brain MRI، نشان دهنده ۹۵% دقت و ۹۱% صحت تشخیص تومورهای مغزی به دست آمده از مدل پیشنهادی این تحقیق و همچنین، بهبود عملکرد آن نسبت به روش های معمول یادگیری عمیق می باشد.

کلیدواژه ها:

تشخیص تومورهای مغزی ، یادگیری عمیق ، الگوریتم فرامکاشفه ای هوش جمعی ، پردازش تصویر ، داده های تصویری MRI ، شبکه عصبی مصنوعی