بررسي الگوريتم هاي تشخيص و طبقه بندي تومورمغزي مبتني بر روش‌هاي كلاسيك و عميق يادگيري

Investigation of brain tumor diagnosis and classification algorithms based on classical and deep learning methods

شناسايي زودهنگام و موفقيت آميز تومورهاي مغزي نقش مهمي در بهبود نتايج درمان و بقاي بيمار دارد. در حال حاضر، تشخيص ناهنجاري از طريق تصاوير MR عمدتا به صورت دستي است و نيازمند صرف زمان زيادي است. همچنين تكنيك دستي تشخيص نيز مستعد خطا و فرآيند دشواري است كه مي تواند زندگي بيمار را با خطر روبرو بكند. بنابراين، نياز اساسي به روش هاي كامپيوتري با دقت بهتر براي تشخيص زودهنگام تومور وجود دارد. براي حل اين مسائل، مطالعات بر روي تكنيك هاي مختلف يادگيري ماشين و يادگيري عميق براي تشخيص تومور مبتني بر كامپيوتر متمركز شده اند. يادگيري عميق در مقايسه با الگوريتم هاي كلاسيك يادگيري ماشيني عملكرد بهتري داشته است كه از چند سال گذشته به طور گسترده براي ساخت يك مدل اتوماتيك يا تركيبي براي شناسايي موثر تومور در زمان كمتر و حداكثر دقت مورد استفاده قرار گرفته است. هدف اصلي شناسايي كامپيوتري تومور مغزي به دست آوردن اطلاعات باليني مهم در مورد حضور، محل، نوع و تقسيم بندي دقيق زيرگونه هاي تومور است. در اين مقاله روش هاي كلاسيك و عميق يادگيري جهت طبقه بندي خودكار تومور مغزي مورد مطالعه و ارزيابي قرار گرفته كه هدف شناسايي روش هايي با قابليت بالا براي افزايش دقت در طبقه بندي تومور مغزي است.