شماره ركورد :
1343395
عنوان مقاله :
بخش‌بندي خودكار تومورهاي مغزي در توالي‌هاي مختلف تصاوير MRI به‌منظور تعيين كاراترين توالي با استفاده از روش يادگيري عميق
پديد آورندگان :
دهقاني ، فرزانه دانشگاه اصفهان - دانشكده فني و مهندسي , عربي ، حسين دانشگاه ژنو - بيمارستان دانشگاه ژنو - بخش تصويربرداري پزشكي هسته‌اي , كريميان ، عليرضا دانشگاه اصفهان - دانشكده فني و مهندسي - گروه مهندسي پزشكي
از صفحه :
31
تا صفحه :
44
كليدواژه :
بخش‌بندي تومور , شبكه ي عصبي عميق , MRI
چكيده فارسي :
بخش‌بندي تومور مغزي گامي مهم در تشخيص بيماري و روند درمان است. بخش‌بندي دستي تومورهاي مغزي روشي زمان‌بر است. هدف از اين مطالعه، بخش‌بندي خودكار تومور مغزي تصاوير MRI و بررسي ميزان دقت توالي‌هاي مختلف MRI در بخش‌بندي تومور مغزي است. براي اين منظور، از تصاوير موجود در پايگاه داده ي BRATS استفاده شده‌ است. براي آموزش شبكه، 310 تصوير MRI در چهار توالي T1W، T1ce، T2W و FLAIR و همچنين، تصاوير بخش‌بندي‌شده ي مرجع استفاده شدند. در اين مرحله از شبكه ي عصبي يادگيري عميق ResNet استفاده شد. پس از آموزش شبكه، عمليات بخش‌بندي روي 60 تصوير MRI آزمايش انجام شد. با توجه به نتايج به‌دست‌‌آمده از پارامتر شباهت، توالي FLAIR عملكرد بهتري نسبت به ساير توالي‌ها به‌منظور بخش‌بندي تومور مغزي داشته‌ است. مقدار اين پارامتر براي FLAIR برابر با 0.10 ± 0.77 است؛ در حالي كه مقدار آن براي T1W، T2W و T1ce به‌ترتيب برابر با 0.12 ± 0.73، 0.15 ± 0.73 و 0.17 ± 0.62 است. همچنين، توالي FLAIR حساسيت بيشتري براي بخش‌بندي تومور مغزي داشته‌ و مقدار آن برابر با 0.12 ± 0.83 است. براساس نتايج اين مطالعه، FLAIR توالي قابل اعتمادتري نسبت به ساير توالي‌ها براي بخش‌بندي تومور مغزي است.
عنوان نشريه :
هوش محاسباتي در مهندسي برق
عنوان نشريه :
هوش محاسباتي در مهندسي برق
لينک به اين مدرک :
بازگشت