ایجاد مدلی سریع جهت طبقه بندی توده های کبدی با استفاده پردازش تصاویر MRI و یادگیری عمیق

تحقیق حاضر با هدف تشخیص استیج تومورهای ریوی از طریق پردازش تصاویر و یادگیری عمیق ارائه شد. در این تحقیق تصاویر سیتی اسکن ۴۰۰ بیمار تهیه شد که شامل چهار استیج Stge I ، Stage II ، Stage IIIa و Stage IIIb بودند. ابتدا تصاویر برشخوردند و اندازه انها یکسان شد. سپس توسط روش آستانه گذاری، ناحیه ریه ها از تصویر اصلی جدا شد و از تصویر ناحیه ریه به عنوانورودی مدل شبکه یادگیری عمیق استفاده شد. شبکه یادگیری عمیق مورد استفاده در این تحقیق شبکه عصبی کانولوشنی با ۱۳ لایهبود. شبکه عصبی کانولوشنی دارای یک لایه ورودی، سه لایه کانولوشن، سه لایه ReLU ، سه لایه مکس پولینگ و یک لایه تماممتصل بود که لایه تمام متصل نیز دارای سه لایه بود. در مجموع نتایج نشان داد که دقت نهایی شبکه CNN در تشخیص استیجتومورهای ریوی ۵۰ / ۹۲ % است که حساسیت این مدل در تشخیص تصاویر سی تی اسکن مربوز به Stage I ، Stagr II ، Stagr IIIaو Stagr IIIb به ترتیب برابر با ۸۷ ،% ۹۶ ،% ۹۴ % و ۹۲ % بود.

Keywords:

شبکه عصبی کانولوشنی , استیج تومور , سرطان ریه , تصویر پزشکی