تشخيص تومورهاي مغزي از روي تصاوير MRI با استفاده از شبكه كانولوشني دوبعدي

A Two-Dimensional Convolutional Neural Network for Brain Tumor Detection From MRI

اهداف: تومورهاي سرطاني مغز انسان در دسته بيماري هاي خطرناك هستند كه كيفيت زندگي انسان ها را تا ساليان دراز تحت تأثير قرار مي دهند و تشخيص آنها در مراحل اوليه، راه را براي درمان بسيار هموار مي كند. هدف از اين مقاله تشخيص هوشمند تومورهاي مغزي از سه كلاس تومور مننژيوما، گليوما و هيپوفيز با استفاده از يادگيري عميق است. مواد و روش ها: سيستم پيشنهادي شامل دو مرحله، استخراج ويژگي و طبق هبندي است. جهت استخراج ويژگي تصاوير، از يك شبكه كانولوشني 12 لايه استفاده شده است. درنهايت، جهت طبق هبندي ويژگي ها از تابع فعال ساز Softmax استفاده شده است. سيستم پيشنهادي بر روي پايگاه داده استاندارد و شامل سه كلاس گليوما، مننژيوما و هيپوفيز اعمال شده است. يافته ها پياده سازي سيستم تشخيص پيشنهادي روي پايگاه داده پيشنهادي، نشان دهنده برتري آن در مقايسه با روش هاي قبلي است كه از اين ديتاست استفاده كرده اند. براي روش كانولوشنال دو بعدي، دقت روش 98.68 درصد به دست آمده است. نتيجه گيري: تومورهاي مننژيوما، گليوما و هيپوفيز در دسته شايع ترين بيماري هاي مغزي قرار دارند. تشخيص سريع و زودهنگام اين ضايعات تا حد زيادي فرد بيمار را از خطر مرگ نجات مي دهد. استفاده شبكه كانولوشنال عميق با توجه به ساختار تمام متصل مي تواند كمك شاياني به پزشكان در تشخيص صحيح انجام دهند.

Aims Cancerous brain tumors are among the most dangerous diseases that lower the quality of life of people for many years. Their detection in the early stages paves the way for the proper treatment. The present study aimed to present a two-dimensional Convolutional Neural Network (CNN) for detecting brain tumors under Magnetic Resonance Imaging (MRI) using the deep learning method. Methods & Materials The proposed method has two stages of feature extraction and classification. A 12-layer CNN was used to extract the features of the MRI images and then the softmax activation function was used to classify these features. The proposed method was applied to a standard database consisting of three brain tumor types of meningioma, glioma, and pituitary. Findings The proposed method had better performance compared to previously presented methods. Its accuracy was reported as 98.68%. Conclusion Meningioma, glioma, and pituitary tumors are the most common types of brain tumors. Early detection of these tumors can decrease the risk of death. Because of its fully connected structure, the use of proposed deep CNN can help physicians to correctly detect brain tumors with MRI images.