ارزيابي الگوريتم‌هاي يادگيري ماشين براي پيش‌بيني تصاوير توموري و غيرتوموري MRI مغزي

مقدمه: تشخيص زودهنگام تومورهاي مغزي با استفاده از MRI و الگوريتم‌هاي هوش مصنوعي نقش كليدي در بهبود نتايج درمان دارد. تصاوير MRI به عنوان ابزار اصلي براي شناسايي تومورهاي مغزي عمل مي‌كنند. هدف مطالعه، ارزيابي الگوريتم‌هاي يادگيري ماشيني براي تشخيص تومور و عدم تومور با استفاده از تصاوير MRI بود.روش‌ها: در مجموع 2400 تصوير MRI از Kaggle.com جمع‌آوري شد و پيش‌پردازش لازم روي آنها صورت گرفت. الگوريتم‌هايي مانند رگرسيون لجستيك، درخت تصميم، جنگل تصادفي، روش ساده بيز، ماشين بردار پشتيبان و K نزديك‌ترين همسايه نيز بر روي تصاوير پياده‌سازي شدند.يافته‌ها: بعد از بكارگيري همه‌ي الگوريتم‌ها، مقادير دقت آموزش، دقت آزمايش، صحت، بازخواني، امتياز F1، ماتريس كانفيوژن و سطح زير منحني راك براي ارزيابي معيارهاي عملكرد بدست آمدند.نتيجه‌گيري: بر اساس بررسي‌هاي انجام شده، الگوريتم‌هاي رگرسيون لجستيك و جنگل تصادفي بهترين عملكرد را از خود نشان دادند. الگوريتم‌هاي نايب بيز و درخت تصميم نيازمند بهبود هستند.