تشخیص تومورمغزی با استفاده از الگوریتم های یادگیری ماشین

تومور مغزی کشنده ترین بیماری در بزرگسالان است زیرا به دلیل رشد غیر طبیعی توده سلولی ایجاد می شود و به سرعت عملکرداندام ها را تغییر می دهد . در عمل بالینی، تصاویر رادیوگرافی از روش های مختلف برای تشخیص انواع تومورهای مغزی، اندازه ومحل آنها استفاده می شود. تشخیص و طبقه بندی تومور مغزی گام مهمی برای درک بهتر مکانیسم آن است. تصویربرداریاستدلال مغناطیسی (MRI) یک تکنیک تصویربرداری پزشکی تجربی است که به رادیولوژیست کمک میکند ناحیه تومور را پیداکند. با این حال، این یک فرآیند زمان بر است و برای آزمایش دستی تصاویر MRI نیاز به تخصص دارد. امروزه، پیشرفت تشخیصبه کمک رایانه (CAD) ، یادگیری ماشینی و یادگیری عمیق به طور خاص به رادیولوژیست اجازه می دهد تا تومورهای مغزی را بااطمینان بیشتری شناسایی کند. روش های سنتی یادگیری ماشینی که برای مقابله با این مشکل استفاده می شوند، به یک ویژگیدست ساز برای اهداف طبقه بندی نیاز دارند. در حالی که روش های یادگیری عمیق را میتوان به گونه ای طراحی کرد که نیازی بهاستخراج ویژگی های دست ساز نداشته باشد و در عین حال به نتایج دقیق طبقه بندی دست یافت.در این مطالعه ما به بررسی برخی از روش های موجود در این زمینه پرداخته و مقالات را مورد بررسی قرار دادیم و سپس آن ها رامورد ارزیابی قرار دادیم. در نهایت، یک جدول که شامل خلاصه ای از بررسی روش های مقالات منتشر شده و ارزیابی دقت آنها،ارائه شده است.

Keywords:

یادگیری ماشین , یادگیری عمیق , تومور مغزی , MRI