شماره ركورد كنفرانس :
5498
عنوان مقاله :
تشخيص خودكار تومور مغزي از تصاوير MRI با استفاده از انتقال مدل يادگيري با شبكه عصبي كانولوشن عميق
عنوان به زبان ديگر :
Automatic detection of brain tumor from MRI images using transfer learning model with deep convolutional neural network
پديدآورندگان :
احمدي الهه elahe.a033@yahoo.com دانشگاه ازاد تهران , صدر منوچهري نائيني حميدرضا hrsmn1@gmail.con واحد تهران مركزي، دانشگاه آزاد اسلامي
كليدواژه :
تومور مغزي , تصاوير MRI , مدل يادگيري , شبكه عصبي , كانولوشن عميق
عنوان كنفرانس :
اولين كنفرانس بين المللي و چهارمين كنفرانس ملي تجهيزات و فناوري هاي آزمايشگاهي
چكيده فارسي :
استفاده از روشهاي پردازش تصوير در سالهاي اخير به سرعت افزايش يافته است. امروزه، ثبت و ذخيرهسازي تصاوير پزشكي ديجيتالي انجام ميشود . اما، تفسير جزئيات تصاوير پزشكي همچنان زمانبر است. اين موضوع به طور خاص در مناطق داراي رنگ و شكل عادي مشاهده ميشود كه متخصصان راديولوژي بايد در مطالعات آتي آنها را شناسايي كنند. قطعه بندي تصوير در بسيار از فرآيندهاي تصوير و برنامه هاي كاربرد بصري كامپيوتر امر مهمي به حساب ميآيد. قطعهبندي تصوير بدين منظور انجام ميشود كه تصوير بر مبناي معيارهاي داده شده مربوط به فرآيند آتي به مناطق مختلفي تقسيم شود. ابزارهاي زيادي براي قطعهبندي خودكار و نميه خودكار تصاوير وجود دارد، ولي اكثر آنها به دليل نويز نامشخص، كنتراست. عملكرد روش پيشـــنهادي با روش هاي Svm,Neural Network, Correlation,Euclidean,Diffrential,Block(8*8)Diffrential مقايسه شده است.روش ها در محيط شبيه ساز Matlabپياده سازي شده اند. دقت ،صحت وحساسيت به عنوان معيارهايي براي مقايسه انتخاب شده است وبراي بررسي روش ها مطرح شده است نتايج ارزيابي در نمودارها ترسيم شده است و بيانگر اين است كه دقت ،صحت ،حساسيت وفراخواني روش پيشنهادي در تمام حالت ها بهتر ازروش هاي ديگر است.
