طبقه بندی اتوماتیک تومور در تصاویرMRI مغز با استفاده از الگوریتم ژنتیک و شبکه عصبی مصنوعی

تومورمغزی یکی از علل اصلی مرگ و میر در میان افراد است. در تحقیقات انجام شده تاکنون ، روش های اتوماتیک و نیمه اتوماتیک متفاوتی در زمینه تشخیص تومور ارائه شده است. هرچند روش های نیمه اتوماتیک باعث کاهش تغییرات نتایج گزارش شده توسط متخصصان می شود، اما استفاده از آن ها در کلینیک های بزرگ وقت گیر بوده و تفاوت زیادی بین معیارهای ارزیابی وجود خواهد داشت. در این مقاله یک سیستم اتوماتیک که با کمک آن تشخیص بافت مغز از جمله تومور انجام می گیرد ارائه می شود و برای این منظور بعد از انجام عملیات پیش پردازش بر روی تصاویر مغز، عمل قطعه بندی بافت با استفاده از مدلی براساس روش های مبتنی بر آستانه انجام می شود. سپس از بافتهای استخراج شده از مرحله قطعه بندی، ویژگی هایی نظیر زرنیک، استخراج و از بین ویژگی های استخراج شده آن هایی که نقش مهمتری در تفکیک پذیری وجود یا عدم وجود تومور دارند. نتایج به دست آمده از این تحقیق در مقایسه با نتایج تحقیقات انجام شده بهبود در دقت طبقه بندی تومور را نشان می دهد.

Keywords:

تومور مغزی , قطعه بندی , زرنیک , الگوریتم ژنتیک طبقه بندی , شبکه عصبی مصنوعی