تشخیص تومور مغزی با استفاده از شبکه عصبی کانولوشن در تصاویر MRI

رشد نامحدود و غیرقابل کنترل سلول ها باعث پیداش تومور در مغز می شود. اگر تومورهای مغزی به سرعت شناسایی و بطور مناسب درمان نشوند، می توانند باعث آسیب مغزی دائم و یا حتی مرگ بیمار شوند. در سال های اخیر تصویربرداری تشدید مغناطیسی ( ام آر آی ) نسبت به سایر روش های تصویربرداری پزشکی، برای معاینه و تشخیص کمکی تومورهای مغزی بطور گسترده مورد استفاده قرار گرفته است که علاوه بر داشتن کنتراست بالا برای بافت های نرم، هیچ یک از آسیب های اشعه ی رادیواکتیو را برای انسان ندارد . پزشکان با قطعه بندی تومور در تصاویر ام آر آی مغز می توانند اطلاعاتی از موقعیت و اندازه ی تومور بدست آورند و با استفاده از تجربه و دانش خود برنامه ی درمانی بیمار را مشخص کنند. انجام قطعه بندی به صورت دستی برای حجم عظیمی از تصاویر ام آر آی کاری زمان بر و خسته کننده بوده و ممکن است باعت اشتباه در تشخیص مرزهای تومور توسط پزشک گردد؛ از طرفی این کار، عملی ذهنی است و به تجربه و اطلاعات پزشک بستگی دارد. بنابراین توسعه ی یک سیستم تشخیصی اتوماتیک یا نیمه اتوماتیک به کمک کامپیوتر در درمان های پزشکی واقعی مورد نیاز است تا بتواند حجم کاری پزشکان را کاهش داده و دقت را با دادن نتایج عینی بهبود بخشند. این مشکل یک مبحث داغ در زمینه ی مهندسی پزشکی است و الگوریتم های بسیاری در جهت تلاش برای حل آن پیشنهاد شده اند، اما متاسفانه بدلیل دقت و قدرت کم الگوریتم های موجود، هنوز این مشکل حل نشده است. در این تحقیق با استفاده از شبکه عصبی کانولوشن سه نوع تومور مغزی از هم با دقت و حصت بالا و قابل قبول از هم تفکیک می شوند.

Keywords:

تومور مغزی , شبکه عصبی کانولوشن , AlexNet , پردازش تص