ارائۀ يك روش مبتني بر يادگيري عميق براي تشخيص تومور مغزي از تصاوير تشديد مغناطيسي

فاقد عنوان

يكي از چالش‌هاي اصلي درمان تومور مغزي تشخيص دقيق اندازه و مكان تومور در مغز با استفاده از تصوير تشديد مغناطيسي مي‌باشد. تشخيص تومور مغزي به‌صورت دستي توسط اپراتور كاري زمان‌بر مي‌باشد و به تجربه و تخصص اپراتور بستگي دارد. از اين رو در ساليان اخير محققان روش‌هاي نيمه خودكار و خودكار بسياري را پيشنهاد داده‌اند كه در اين ميان روش‌هاي مبتني بر يادگيري عميق توانسته‌اند عملكرد مطلوبي از خود نشان دهند و توجه همگان را به سوي خود جلب كنند. در اين تحقيق يك روش مبتني بر يادگيري عميق براي تشخيص تومور مغزي ارايه گرديده است. شبكه پيشنهادي مبتني بر شبكه U-Net مي‌باشد و با تغييراتي كه در لايه‌هاي اين شبكه انجام شده، عملكرد اين شبكه براي تشخيص قسمت‌هاي مختلف تومور مغزي بهبود يافته است. در هر لايه شبكه U-Net يك هم‌آميخت با اندازه فيلتر 1*1 اضافه شده تا بتوان قسمت‌هاي كوچك تومور نيز تشخيص داده شود. اين شبكه پيشنهادي با استفاده از داده‌هاي BRATS 2018 مورد ارزيابي قرار گرفت و با سه روش مورد مقايسه قرار گرفت. براي ارزيابي نتايج روش پيشنهادي از سه معيار بازيابي ، دقت و IoU استفاده كرديم كه مقادير اين سه معيار به ترتيب 939/0، 967/0 و 906/0 به دست آمد كه نشان داد شبكه پيشنهادي عملكرد مطلوبي را در مقايسه با ساير روش‌هاي مبتني بر يادگيري عميق دارد.