طبقه بندی بهینه تومورهای مغزی در تصاویر MRI به کمک تکنیک های یادگیری عمیق

فناوری های تصویربرداری پزشکی و بیولوژیک، اطلاعات تصویری ارزشمندی از ساختار و عملکرد یک ارگان را از سطح مولکول ها تا کل جسم فراهم می کنند. مغز پیچیده ترین عضو در بدن است و با توسعه سریع فناوری های تصویربرداری پزشکی و بیولوژیکی، توجهات تحقیقاتی فزاینده ای را به خود جلب می کند. از شایع ترین بیماری های مغز می توان به ایجاد بافت ناهنجار در سلول های مغزی اشاره کرد که منجر به تشکیل تومورهای مغزی می شود. از آنجایی که تومورهای مغزی با خطر مرگ و میر قابل توجهی مرتبط هستند و پیش بینی دقیق و سریع این بیماری در روند درمان تاثیر مستقیم دارد، لذا در این تحقیق از تعداد زیادی داده های تصویربرداری MRI تومور مغزی برای شناسایی سرطان های مغز و یافتن روشی با استفاده از تکنیک های یادگیری عمیق استفاده شد. برای تشخیص خودکار از چند مدل یادگیری عمیق استفاده شد و طبقه بندی سه نوع تومور مغزی، متشکل از گلیوم، مننژیوم و هیپوفیز نیزبا این الگوریتم ها انجام شد. بر اساس نتایج آزمون های انجام شده، بهترین دقت نتایج به دست آمده در این تحقیق ۹۶ درصد بود که با در نظر گرفتن نسبت ۶۰ درصد برای داده های آموزشی و ۴۰ درصد برای داده های آزمون حاصل شد.

کلیدواژه ها:

تصویربرداری پزشکی ، تومورهای مغزی ، یادگیری عمیق ، تصاویر MRI ، گلیوم ، مننژیوم ، هیپوفیز