ارائه یک روش مبتنی بر یادگیری عمیق برای تشخیص تومور مغزی از تصاویر تشدید مغناطیسی

یکی از چالش های اصلی درمان تومور مغزی تشخیص دقیق اندازه و مکان تومور در مغز با استفاده از تصویر تشدید مغناطیسی می باشد. تشخیص تومور مغزی به صورت دستی توسط اپراتور کاری زمان بر می باشد و به تجربه و تخصص اپراتور بستگی دارد. از این رو در سالیان اخیر محققان روش های نیمه خودکار و خودکار بسیاری را پیشنهاد داده اند که در این میان روش های مبتنی بر یادگیری عمیق توانسته اند عملکرد مطلوبی از خود نشان دهند و توجه همگان را به سوی خود جلب کنند. در این تحقیق یک روش مبتنی بر یادگیری عمیق برای تشخیص تومور مغزی ارائه گردیده است. شبکه پیشنهادی مبتنی بر شبکه U-Net می باشد و با تغییراتی که در لایه های این شبکه انجام شده، عملکرد این شبکه برای تشخیص قسمت های مختلف تومور مغزی بهبود یافته است. در هر لایه شبکه U-Net یک هم آمیخت با اندازه فیلتر ۱*۱ اضافه شده تا بتوان قسمت های کوچک تومور نیز تشخیص داده شود. این شبکه پیشنهادی با استفاده از داده های BRATS ۲۰۱۸ مورد ارزیابی قرار گرفت و با سه روش مورد مقایسه قرار گرفت. برای ارزیابی نتایج روش پیشنهادی از سه معیار بازیابی ، دقت و IoU استفاده کردیم که مقادیر این سه معیار به ترتیب ۹۳۹/۰، ۹۶۷/۰ و ۹۰۶/۰ به دست آمد که نشان داد شبکه پیشنهادی عملکرد مطلوبی را در مقایسه با سایر روش های مبتنی بر یادگیری عمیق دارد.

Keywords:

تشخیص الگو , تصاویر تشدید مغناطیسی , تومور مغزی , یادگیری عمیق , شبکە Net-U