تشخیص تومورهای سرطانی مغزی از روی تصاویر MRI با استفاده از طبقه بندی FDA

رشد نامحدود و غیر قابل کنترل سلول ها در اطراف مغز باعث ایجاد انواع ضایعات مغزی و از جمله انواع تومور میشوند. تومورهای مغزی اگر تحت درمان مناسب و به موقع قرار نگیرند، سلامت بیماران را به خطر میاندازند و در اکثر موارد باعث مرگ بیمار میشوند . از آنجایی که در کلیه روش های درمان اطلاع از مکان و اندازه تومور در موفقیت موثر است، رسیدن به روشی دقیق و تمام خودکار که این اطلاعات را به پزشک دهد، بسیار حایز اهمیت است. روش های زیادی جهت تشخیص تومورهای مغزی وجود دارد که در میان آنها، روش های تصویر برداری از اهمیت ویژه ای برخوردار هستند. تصاویر MRI در تشخیص تومورهای مغزی در بین سایر روشهای تصویر برداری بیشترین کاربرد را دارند. تحلیل تومورهای مغزی توسط پزشکان صورت میگیرد، اما پزشکان روشی برای پیدا کردن تومورهای مغزی که بتواند به صورت استاندارد مورد استفاده قرار گیرد، دراختیار ندارند. رادیولوژیست ها از تصاویر رزونانس مغناطیسی اطلاعاتی نظیر مکان تومور را بدست می آورند که یک راه آسان برای تشخیص تومور جهت ارایه طرحی برای جراحی و پرتودرمانی برای رفع تومور میباشد. روش های گوناگونی به منظور پیدا کردن تومور معرفی شده اند که هر کدام نتایج گوناگونی روی هر تصویر دارند. در این مقاله، تشخیص هفت نوع بیماری مغزی از روی تصاویر MRI با استفاده از یک روش هوشمند بینایی کامپیوتر انجام شده است. جهت استخراج ویژگی از تبدیل موجک گسسته (DWT) دو بعدی به همراه الگوریتم GARCH استفاده شده است. در روش استخراج ویژگی مورد نظر ابتدا جزییات لبه های هر تصویر مشخص شده و سپس ویژگی های آن استخراج میشود. در گام بعد جهت کاهش ویژگی از الگوریتم PCA به همراه LDA استفاده شده است . در نهایت جهت طبقه بندی از الگوریتم طبقه بندی بهبود یافته فیشر (FDA) چند کلاسه استفاده شده است. نتایج بررسی نشان میدهد، روش پیشنهادی دارای دقت طبقه بندی 99,62%، حساسیت %100 و اختصاصی بودن %99,61 است.

کلیدواژه ها:

تومور مغزی ، تصاویر MRI ، تبدیل موجک گسسته (DWT) ، الگوریتم PCA ، الگوریتم LDA ، طبقه بندی فیشر FDA