تشخیص تومورمغزی با پردازش تصاویر MRI برپایه تقسیم بندی شبکه عصبی کانالوشن وفیلترگابور

تومور مغزی یکی از خطرناک ترین بیماری هایی است که برای بشر اتفاق افتاده است. اگر تومور به درستی و در مراحل اولیه آن شناخته شود، شانس زندگی می تواند افزایش یابد. تکنیک تقسیم بندی تصویر ام آر آی مغز به طور گسترده ای رای تصویر سازی آناتوی و ساختار مغز به کار گرفته می شود. تصویر تولید شده توسط ام آر آی دارای کنتراست بالای بافت ها و مصنوعات کمتری استو ام آر آی، چندین مزیت نسبت به سایر روش های تصویر برداری دارد، که یکی از آن ها ایجاد کنتراست بالا بین بافت های نرم می باشد. اگرچه، مقدار داده ها برای آنالیز دستی بسیار زیاد است، که این مورد یکی از بزرگترین موانع در استفاده موثر از ام آر آی می باشد. یافتن تومور نیازمند انجام چند فرایند بر روی تصاویر ام آر آی می باشد که شامل پردازش تصویر، استخراج خصوصیات، بهبود تصویر و طبقه بندی می باشد. فرایند طبقه بندی نهایی نشان می دهد که یک شخص بیمار است یا خیر. اگرچه تلاش های بسیار و نتایج رضایت بخشی در زمینه تصویر برداری های پزشکی به دست آمده اند، هنوز تقسیم بندی قابل تکرار و طبقه بندی وضعیت های غیر عادی به دلسل اشکال، موقعیت ها و شدت های تصویر مختلف انواع تومورها، یک کار چال شبرانگیز محسوب می شود. شبکه های عصبی بدلیل کارایی بالا در تشخیص بیماری ها در تصاویر پزشکی امروزه کاربرد فراوان یافته اند به همین جهت در تقسیم بندی و تشخیص ویژگی در تصاویر پزشکی می توانند عملکرد بالایی مخصوصا در ترکیب با روش گابور ارائه دهند.

کلیدواژه ها:

تومورمغزی ، تقسیم بندی ، شبکه عصبی کانولوشن ، فیلترتابور