ارایه یک الگوریتم ترکیبی جدید مبتنی بر روشهای تجزیه جهت تشخیص تومورهای مغز

طبقه بندی تصاویر ام آرآی می تواند در روند تشخیص تومور موثر باشد. این مطالعه یک روش جدید ترکیبی را به منظور طبقه بندی تومورهای مغزی معرفی می کند، بدین صورت که از روش یکسان سازی ه یستوگرام به منظور پیش پردازش، از شبکه عصبی کانولوشن به منظور استخراج ویژگی و از روش تحلیل مولفه های اصلی احتمالی به منظور کاهش ابعاد مساله استفاده می شود. استفاده از روشهای تجزیه مخصوصا روش ۱ OVO باعث میشود در طبقه بندی، داده ها به زیر مجموعه های باینری تقسیم شوند که معمولا دقت بیشتری خواهد داشت. با بررسی ۹۰۰ عکس ام آرآی. درفاز اول با استفاده از تکنیک ماتریس هم رخداد (۲GLCM) و مدلهای شبکه عصبی کانولوشن شامل الکس نت، گوگلنت تعداد زیادی ویژگی استخراج شد. در فاز دوم از تکنیک تحلیل مولفه های اصلی (۳PCA)، به منظور کاهش ابعاد در ویژگیها استفاده شد که در نهایت ۲۱۰ ویژگی اصلی، شامل۱۰۰ ویژگی از الکس نت، ۱۰۰ ویژگی از گوگل نت و ۱۰ ویژگی از ماتریس همرخداد، ایجاد شد. در مجموع یک ماتریس با ۲۱۰ ویژگی و ۹۰۰ سطر به منظور طبقه بندی حاصل شد. در فاز سوم به منظور طبقه بندی تصاویر الگوریتم جدید OVO و k نزدیکترین همسایگی (۴KNN) معرفی شد. در نهایت، ارزیابی مدل پیشنهادی با روش k-fold cross-validation در سه مرحله، نشان داد الگوریتم پیشنهادی با دقت قابل قبولی قادر به پیش بینی نوع تومور در تصاویر مغز می باشد.

Keywords:

طبقه بندی , تومور مغری , تصاویر ام آرآی , شبکه عصبی کانولوشن , ماتریس همرخداد , تکنیک تحلیل مولفه های اصلی , الگوریتم OVO