بررسی کاربرد یادگیری ماشین در بخش‌بندی تومورهای مغزی در تصاویر MRI

سعید یارمحمدی¹ فرزانه والی² مهدیس پارسافر³ علی صمیمی فرد⁴

1) دانشجوی دکترای مهندسی پزشکی، گرایش بیوالکتریک، دانشگاه آزاد اسلامی واحد تهران مرکز، تهران، ایران .
2) کارشناسی مهندسی پزشکی بالینی، دانشگاه ابن سینا، تهران، ایران .
3) دانشجوی دکترای مهندسی پزشکی، گرایش بیومتریال، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهران، ایران .
4) کارشناسی ارشد مهندسی پزشکی، گرایش بیوالکتریک، دانشگاه آزاد اسلامی واحد مشهد، خراسان رضوی، ایران .

کد IOI مقاله : XCCC-GAEEG
محل انتشار : دهمین کنفرانس بین المللی فناوری های نوآورانه در زمینه علوم، مهندسی و تکنولوژی(tetsconf.com)
چکیده :
    تومور مغزی یکی از بیماری‌های تهدید کننده زندگی است که میلیون ها نفر را به چالش می‌کشد. یک سیستم تشخیص و طبقه‌بندی تومور مغز برای اطمینان از تشخیص اولیه و طبقه‌بندی تومورمغزی ضروری است. از آنجا که شناسایی اشتباه منجر به نتایج وحشتناک و مهلک می‌شود، تکنیک‌های طبقه‌بندی و قطعه‌بندی باید دقت زیادی را در حین انجام طبقه‌بندی تومور فراهم کنند. بنابراین، تشخیص تومور مغزی و طبقه‌بندی انها از جمله وظایف حیاتی برای ارزیابی تومورها و اتخاذ یک تصمیم درمانی بر این اساس هستند. از طرف دیگر تاثیر یادگیری ماشینی در زندگی و جامعه ما بیشتر و بیشتر می‌شود، هوش مصنوعی نیز ممکن است نقش مهمی در تشخیص پزشکی و حمایت از پزشکان و جراحان ایفا کند. بسیاری از روش‌های یادگیری ماشین برای تشخیص تومورهای مغزی در حال حاضر ایجاد شده‌اند. با این حال، این روش‌ها، حتی اگر نتایج خوبی ارائه دهند، هنوز مورد استفاده قرار نگرفته اند. بنابراین، این موضوع تحقیقاتی مهم باقی می‌ماند و هنوز نیاز به بررسی دارد.

کلمات کلیدی : تومور مغزی تصویربرداری تشدید مغناطیسی قطعه‌بندی الگوریتم یادگیری ماشین