ارزیابی الگوریتم های یادگیری ماشین برای پیش بینی تصاویر توموری و غیرتوموری MRI مغزی

مقاله پژوهشی مقدمه: تشخیص زودهنگام تومورهای مغزی با استفاده از MRI و الگوریتم های هوش مصنوعی نقش کلیدی در بهبود نتایج درمان دارد. تصاویر MRI به عنوان ابزار اصلی برای شناسایی تومورهای مغزی عمل می کنند. هدف مطالعه، ارزیابی الگوریتم های یادگیری ماشینی برای تشخیص تومور و عدم تومور با استفاده از تصاویر MRI بود. روش ها: در مجموع ۲۴۰۰ تصویر MRI از Kaggle.com جمع آوری شد و پیش پردازش لازم روی آنها صورت گرفت. الگوریتم هایی مانند رگرسیون لجستیک، درخت تصمیم، جنگل تصادفی، روش ساده بیز، ماشین بردار پشتیبان و K نزدیک ترین همسایه نیز بر روی تصاویر پیاده سازی شدند. یافته ها: بعد از بکارگیری همه ی الگوریتم ها، مقادیر دقت آموزش، دقت آزمایش، صحت، بازخوانی، امتیاز F۱، ماتریس کانفیوژن و سطح زیر منحنی راک برای ارزیابی معیارهای عملکرد بدست آمدند. نتیجه گیری: بر اساس بررسی های انجام شده، الگوریتم های رگرسیون لجستیک و جنگل تصادفی بهترین عملکرد را از خود نشان دادند. الگوریتم های نایب بیز و درخت تصمیم نیازمند بهبود هستند.

ارزیابی الگوریتم های یادگیری ماشین برای پیش بینی تصاویر توموری و غیرتوموری MRI مغزی Keywords:

تصاویر ام آر آی , تشخیص , یادگیری ماشینی , مدل های لجستیک , جنگل تصادفی