جستجو
تشخیص خودکار تومور مغزی از تصاویر MRI با استفاده از یادگیری انتقالی ومقایسه معماری های عمیق
فاطمه محمدی فشارکی1 معین مردانی2
چکیده :
تشخیص زودهنگام نئوپلاسمهای مغزی نقش مهمی در انتخاب بهموقع راهبردهای درمانی و بهبود پیامدهای بالینی بیماران دارد. با این حال، پیچیدگی الگوهای بافتی در تصاویر MRI و شباهت برخی ضایعات به بافت سالم، تفسیر دستی تصاویر را برای رادیولوژیستها دشوار کرده است [1],[2]. در این پژوهش، یک چارچوب مبتنی بر یادگیری عمیق برای طبقهبندی خودکار تصاویر MRI مغز در مسئله تشخیص تومور ارائه میشود. چهار معماری پیشرفته شبکه عصبی کانولوشنی شامل VGG16، ResNet50، DenseNet121 و EfficientNetB0 با رویکرد انتقال یادگیری بر روی مجموعهای از تصاویر MRI مغز آموزش و ارزیابی شدند [3],[5].
فرآیند پیشنهادی شامل پیشپردازش تصاویر، از جمله نرمالسازی شدت، حذف نویز و افزایش داده، تنظیم لایههای انتهایی هر معماری، و ارزیابی بر اساس شاخصهای دقت، حساسیت، ویژگی و F1-score است [6]. نتایج تجربی نشان میدهد که DenseNet121 با دقت 96.2٪، حساسیت 97.1٪ و F1-score برابر 0.96، بهترین عملکرد را در میان مدلهای بررسیشده ارائه میدهد. یافتههای این مطالعه نشان میدهد که مدلهای مبتنی بر یادگیری عمیق میتوانند بهعنوان ابزار کمکی در فرآیند تشخیص تومور مغزی از تصاویر MRI مورد استفاده قرار گیرند.
کلمات کلیدی : واژگان کلیدی تومور مغزی mri یادگیری عمیق شبکههای عصبی کانولوشن انتقال یادگیری densenet
زبان مقاله : فارسی
محور مقاله : مهندسی پزشکی
محل انتشار : کنفرانس ملی فناوری اطلاعات، نانوتکنولوژی، هوش مصنوعی و آینده پژوهی فناوری
آدرس وب سایت کنفرانس : itnaf.ir
کد IOI مقاله : AAHD-ABHGKF
لینک مستقیم مقاله : https://isnac.ir/AAHD-ABHGKF
سایر مقالات ارائه دهنده
سایر مقالات محل انتشار
- A Study on Design Understandability and Interaction of the therapy-specific Robots
- طراحی و مهندسی یک حسگر زیستی نوری چند مدی پلاسمونیک مبتنی بر تشدیدگرهای حلقه شکاف برای سنجش جامع آنتیژن
- طراحی یک اسیلاتورکنترل شونده با ولتاژ با نویز فاز بسیار پایین و بازه وسیع فرکانسی با تکنولوژی نانولوله کربنی برای کاربردهای PLL
- یک چارچوب هوشمند آگاه به زمینه برای ارتباطات V2V و V2Iدر شبکههای خودرویی شهرهای هوشمند با استفاده از دادههای ترافیکی شبکه سلولی
- An Ensemble Non-Dominated Feature Selection Method: A Case Study on Prostate Cancer
- تشخیص زودهنگام پوسیدگی دندان با استفاده از شبکههای عصبی
- Simulation and Performance Comparison of Torque Tube and LVDT Sensors in Displacer-Based Level Measurement Systems
- ارتقا سامانه ناوبری پهپاد مهاجر ۶ با استفاده از فناوری
- کاربرد نانوذرات مگنتیت (Fe3O4) در پزشکی (از سنتز تا عملکرد)
- Simulation and Modeling of Floating-Gate Non-Volatile Memory Performance: Focus on Oxide Thickness, Programming Speed, and Charge Transport Mechanisms
- Fraud Analytics with Big Data: A Literature Review on Machine Learning Algorithms in Bankruptcy Prediction and Financial Fraud Detection
- تحلیل آیندهپژوهانه همگرایی هوش مصنوعی، فناوری نانو و فناوری اطلاعات در مسیر تحول صنعتی آینده
- نقش تحول دیجیتال در خدمات کتابخانههای عمومی برای توانیابان جسمی و ذهنی
- Prediction and Optimization of Oxygen Production under Microgravity Conditions Using Machine Learning
- Simulation and Performance Comparison of Ultrasonic, Non-Contact Radar, and Guided Wave Radar Sensors in Level Measurement Systems