تشخیص تومورهای مغزی از روی تصاویر MRI با استفاده از شبکه کانولوشنی دو بعدی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
اهداف

 تومورهای سرطانی مغز انسان در دسته بیماری های خطرناک هستند که کیفیت زندگی انسان ها را تا سالیان دراز تحت تاثیر قرار می دهند و تشخیص آنها در مراحل اولیه، راه را برای درمان بسیار هموار می کند. هدف از این مقاله تشخیص هوشمند تومورهای مغزی از سه کلاس تومور مننژیوما، گلیوما و هیپوفیز با استفاده از یادگیری عمیق است.

مواد و روش ها

سیستم پیشنهادی شامل دو مرحله، استخراج ویژگی و طبق هبندی است. جهت استخراج ویژگی تصاویر، از یک شبکه کانولوشنی 12 لایه استفاده شده است. درنهایت، جهت طبق هبندی ویژگی ها از تابع فعال ساز Softmax استفاده شده است. سیستم پیشنهادی بر روی پایگاه داده استاندارد و شامل سه کلاس گلیوما، مننژیوما و هیپوفیز اعمال شده است.

یافته ها

پیاده سازی سیستم تشخیص پیشنهادی روی پایگاه داده پیشنهادی، نشان دهنده برتری آن در مقایسه با روش های قبلی است که از این دیتاست استفاده کرده اند. برای روش کانولوشنال دو بعدی، دقت روش 98.68 درصد به دست آمده است.

نتیجه گیری

تومورهای مننژیوما، گلیوما و هیپوفیز در دسته شایع ترین بیماری های مغزی قرار دارند. تشخیص سریع و زودهنگام این ضایعات تا حد زیادی فرد بیمار را از خطر مرگ نجات می دهد. استفاده شبکه کانولوشنال عمیق با توجه به ساختار تمام متصل می تواند کمک شایانی به پزشکان در تشخیص صحیح انجام دهند.

زبان:
فارسی
صفحات:
398 تا 413
لینک کوتاه:
magiran.com/p2203207 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!