بومی‫سازی و طبقه‫بندی تومور مغزی با استفاده از تکنیک‫های ‬‬‬‬‬‬ یادگیری ماشین و یادگیری عمیق

مغز دارای بافت‫های گوناگونی است که از تجمع و رشد سلولی بیش از حد، تومورهای مغزی پدید می‫آیند. شایعترین تومورهای اولیه مغزی، گلیوما، مننژیوما، شوآنوما، لنفوم اولیه مغزی، مدولابلوستوما و آدنوم‫های هیپوفیز هستند. تومور مترادف با سرطان نیست، زیرا تومور ممکن است خوش‫خیم یا بدخیم باشد، درحالی که سرطان را به صورت بدخیم تعریف می‫کنند. یکی از مهمترین تفاوت‫های تومورهای خوش‫خیم و بدخیم در این است که تومورهای خوش‫خیم با سرعت رشد نمی‫کنند، اما تومورهای بدخیم می‫توانند به بافت‫های مغزی حمله و در نتیجه به سرعت رشد کنند. بعضی از علائم تومورهای مغزی شامل سردرد، تشنج، تغییرات خلق‫وخو و اختلالات حرکتی است. در این مقاله به بررسی بومی‫سازی و طبقه‫بندی تومور مغزی با استفاده از تکنیک های یادگیری ماشین و یادگیری عمیق پرداخته شد. نتایج رویکرد پیشنهادی نشان می‫دهد که حتی تکرار برای اولین بار تکراری به اندازه کافی برای تصمیم‫گیری درست با احتمال بالا است. اشکال اصلی نسخه‫های مختلف از FCM اصلاح شده در استفاده از فیلترکردن کور مانند میانگین (وزنی) با محدودیت‫های فضایی است که ممکن است منجر به معرفی کلاس جدیدی شود که از طبقات واقعی در منطقه منجر به طبقه‫بندی نامناسب می‫شود. ما نشان داده‫ایم که سازگاری ما قوانین نتایج را با تلاش کم محاسباتی بهبود می‫بخشد. ‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬‬

Keywords:

شناسایی تومور مغزی , شبکه عصبی , یادگیری ماشین , پردازش تصویر‬‬‬‬