طبقه بندی اتوماتیک تومور مغزی در تصاویر MRI با استفاده از شبکه عصبی مصنوعی ANN

دراین مقاله سعی شده تا با بالا بردن دقت طبقه بندی تومورهای مغز با استفاده از جنبه های مثبت الگوریتم های هوشمند درتشخیص بهتر تومورها، زمان کمتر و کیفیت قابل پذیرش حاصل گردد، هدف ما در الگوریتم پیشنهادی با استفاده از شبکه عصبی مصنوعی Artificial Neural Network (ANN) برای تشخیص تومور مغزی و دسته بندی آن در تصاویر Magnetic Resonance Imaging (MRI) است، استخراج سه دسته ویژگی بر اساس شدت، شکل، بافت مد نظر قرا گرفته که شامل ویژگیهای استاتیک نظیر آنتروپی، چولگی، میانگین، انرژی، گشتاور، همبستگی و ... ، و بهترین ویژگیها بر اساس الگوریتم ژنتیکانتخاب و جهت اعمال به شبکه عصبی بکار می بریم، ابتدا استخراج ویژگی با تبدیل ریجلت حالت گسسته که معکوس پذیر و متعامد و در نهایت به تبدیل ریجلت متناهی 1 می رسد، آنگاه ویژگیهای فوق و اعمال آنها به الگوریتم ژنتیک ویژگی های بهینه انتخاب وابعاد آنها کاهش می یابد . جهت آموزش و تست ANN ، از 1111 تصویر MRI از پایگاه داده تصاویر MRI مغز موجود در مرکزMcConnell در دانشگاه اتخاذ گردید که 1111 تصویر سالم بدون تومور و 121 تصویر توموردار با پروتکل تصویر برداری وزن دار T1 استفاده شد.

Keywords:

پردازش تصاویر پزشکی , الگوریتم ژنتیک , شبکه عصبی مصنوعی , تشخیص تومور