بررسی سه روش طبقه بندی آماری، خوشه بندی K-means و شبکه عصبی خودسازنده SOM در شناسایی تومور مغزی

امروزه تومورهای مغزی ازعوامل شایع درمرگ و میرانسان ها می باشند. بنابراین تشخیص به موقع آن از اهمیت ویژه ای برخوردار است. درحال حاضر تصویر برداری به روش تشدید مغناطیسی (MRI) به دلیل وضوح و کیفیت بالا از مهمترین ابزار شناسایی تومورهای مغز میباشد. از طرفی وجود الگوهای بسیار متفاوت در تو رفتگی ها و شیارهای مغز و همچنین حضور نویز در تصاویرپزشکی، تشخیص آن را کمی دشوار می کند. بنابراین استفاده از روش های کامپیوتری و الگوریتم های مختلف بر مبنای استخراج ویژگی ها می تواند نقش مهمی در شناسایی سریعتر مکان تومور و تجزیه و تحلیل آن در تصاویر MRI داشته باشد. دراین پژوهش ،ابتدا تومور مغزی موجود در تصاویر MRI به روش طبقه بندی آماری شناسایی می شود. سپس روش خوشه بندی k-means جهت تشخیص تومور مغزی مورد بررسی قرار میگیرد. در ادامه الگوریتم شبکه عصبی خودسازنده SOM ارایه می شود و تومور مغز به خوبی تشخیص داده میشود. نتایج این سه روش نشان می دهدکه روش طبقه بندی آماری و الگوریتم شبکه عصبی خودسازنده SOM نسبت به روش خوشه بندی K-means از دقت بیشتری برخوردار است.

کلیدواژه ها:

تصاویر تشدید مغناطیسی ، تومورمغزی خوشه بندی K-means ، شبکه عصبی خودسازنده SOM