تشخیص تومور مغزی با استفاده از شبکه عصبی
تشخیص تومور مغزی با استفاده از شبکه عصبی
نیلوفر محمدی1
1) دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی، دانشگاه غیر انتفاعی ابرار، تهران ، ایران
کد IOI مقاله
:
XKBA-AZFBHF
محل انتشار :
سومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com/3rd)
چکیده :
تلفات انسانی زیاد به علت تومور مغزی ، تشخیص زود هنگام آن را در مراحل اولیه، جهت معالجه و کاهش مرگ و میرالزامی می نماید. لذا برای بررسی دقیق تومورها استفاده از روش های اتوماتیک و کامپیوتری بسیار مفید خواهد بود. در سال های اخیر استفاده از تصاویر ام آر آی به دلیل وضوح و کیفیت بالا جهت تعیین تومور و خصوصیات آن مورد توجه قرار گرفته است.
در میان تومورهای مغزی، گلیوما شایع ترین و تهاجمی ترین نوع است که امید به زندگی در افراد مبتلا به آن بسیار کم می باشد. بنابراین برنامه ریزی درمانی یک مرحله ی کلیدی برای بهبود کیفیت زندگی بیماران سرطانی تلقی میشود. تصویربرداری MRI از طریق رزونانس مغناطیسی، یک تکنیک تصویربرداری پرکاربرد برای ارزیابی این گونه از تومورها است. اما داده های وسیعی که از ام آر آی به وجود می آیند از تقسیم بندی دستی در زمان معقول جلوگیری می کنند و باعث محدود شدن استفاده از اندازه گیری های کمی دقیق در عمل بالینی میشوند. به همین علت نیازمند روش های تقسیم بندی خودکار و مطمئن هستیم. با این وجود، تنوع فضایی و ساختاری بزرگ میان تومورهای مغزی، تقسیم بندی خودکار را به یک مشکل چالش برانگیز تبدیل میکند. در این مقاله یک روش تقسیم بندی خودکار بر اساس شبکه های عصبی کانولوشن CNN و با اضافه کردن لایه های کانولوشن می توان درصد دقت را بالا برد. در این مقاله با استفاده از چهار لایه کانولوشن CNN در کد برنامه و 50 دوره آموزش توانستیم دقت پژوهش را در TensorFlow کتابخانه نرم افزاری متن باز به 96٪ برسانیم.
کلمات کلیدی : تومور مغزی کانولوشن شبکه عصبی یادگیری ماشین یادگیری عمیق