ارائه مدلی به منظور طبقه بندی تومور مغزی از روی تصاویر MRI با استفاده از رویکرد تلفیقی موجک گسسته و شبکه کانولوشنال

Publish Year: 1400
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 294

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ECMECONF11_002

تاریخ نمایه سازی: 28 فروردین 1401

Abstract:

تومور در مغز مجموعه ای از سلول های ناهنجار است که منجر به افزایش میزان مرگ و میر در بین انسان ها می شود. بنابراین، در این مقاله، یک فرآیند همجوشی برای ترکیب اطلاعات ساختاری و بافتی چهار توالی T۱C) MRI، T۱، Flair و (T۲ برای تشخیص تومور مغزی پیشنهاد شده است. از یک تبدیل موجک گسسته (DWT) همراه با هسته موجک Daubechies برای فرآیند همجوشی استفاده می شود که در مقایسه با یک توالی منفرد از MRI، ناحیه تومور اطلاعاتی تری را ارائه می دهد. پس از فرآیند فیوژن، یک فیلتر انتشار دیفرانسیل جزئی (PDDF) برای حذف نویز اعمال می شود. همچنین از روش آستانه گذاری برای تقسیم بندی ناحیه تومور استفاده شده و در مرحله بعد به مدل شبکه عصبی کانولوشنال پیشنهادی (CNN) برای تمایز نهایی مناطق تومور و غیر تومور تغذیه میشود. از مجموعه داده BRATS ۲۰۱۳&۲۰۱۵ برای ارزیابی نتایج استفاده شده است. نتایج نشان میدهد که تشخیص تومور در تصاویر ترکیبی دارای دقت ۹۳,۱۹۰۶ درصد می باشد.

Authors

غزل اکبرزاده نیکخو

دانشجوی کارشناسی ارشد رشته مهندسی پزشکی گرایش بیوالکتریک ، قم ، ایران

محمدرضا یزدانی

عضو هیئت علمی دانشگاه غیرانتفاعی شهاب دانش قم