بررسي قطعه‌بندي تصوير تومور مغزي مبتني برMRI با استفاده از روش‌هاي يادگيري عميق

قطعه‌بندي تومور مغزي يكي از كارهاي مهم در زمينه‌ي پردازش تصوير پزشكي است. تشخيص زودهنگام تومورهاي مغزي در افزايش احتمال بهبود با درمان و زنده ماندن بيماران نقش مهمي ايفا مي‌كند. قطعه‌بندي تومورهاي مغزي براي تشخيص سرطان به صورت دستي (توسط انسان)، از ميان تعداد زيادي از تصاوير MRI توليد شده در روتين‌هاي پزشكي مي‌تواند كاري دشوار و وقت‌گير باشد. به همين دليل يك نياز اساسي براي قطعه‌بندي تصوير تومور مغزي به صورت خودكار وجود دارد. هدف از اين مقاله، ارائه‌ي يك بررسي بر روي روش‌هاي قطعه‌بندي تصوير تومور مغزي مبتني بر MRI است. به تازگي، استفاده از روش‌هاي يادگيري عميق براي قطعه‌بندي خودكار به صورت عمومي اثبات شده‌اند، چرا كه اين روش‌ها به نتايج پيشرفته و جديدي دست يافته‌اند و مي‌توانند بهتر از روش‌هاي ديگر به اين مسئله رسيدگي كنند. روش‌هاي يادگيري عميق همچنين مي‌توانند پردازش كارآمد و ارزيابي قابل مشاهده و هدفمندي از حجم عظيمي از داده‌هاي تصاوير مبتني بر MRI را ممكن سازند. مقالاتي وجود دارند كه با تمركز بر روش‌هاي رايج و سنتي براي قطعه‌بندي تصوير تومور مغزي مبتني بر MRI به بررسي اين زمينه پرداخته‌اند. ولي برخلاف ديگران، ما در اين مقاله بر روي استفاده از روش‌هاي يادگيري عميق در اين زمينه تمركز مي‌كنيم. ابتدا، معرفي تومور مغزي و روش‌هايي براي قطعه‌بندي تومور مغزي ارائه مي‌شود. سپس، الگوريتم‌هاي جديد با تمركز بر روي روش‌هاي يادگيري عميق مورد بحث قرار مي‌گيرند. در نهايت، يك ارزيابي از وضعيت فعلي ارائه شده و توسعه‌هايي براي آينده بيان مي‌شوند كه بايد در جهت استانداردسازي روش‌هاي قطعه‌بندي تومور مغزي مبتني بر MRI در روتين‌هاي روزانه‌ي پزشكي در نظر گرفته شوند.