تشخیص تومور مغزی با روش مبتنی بر یادگیری عمیق
Publish place: Sixth International Conference on New Advances in Science and Technology Focused on Science in Development Services
Publish Year: 1398
Type: Conference paper
Language: Persian
View: 3,979
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
DSCONF06_238
Index date: 14 September 2019
تشخیص تومور مغزی با روش مبتنی بر یادگیری عمیق abstract
یکی از چالشهای اصلی در درمان تومور و ارزیابی میزان پیشرفت بیماری، تشخیص اندازه تومور است. بخش بندی دستی تومور مغزی در تصاویر MRI سه بعدی MRI) حجمی) کاری بسیار زمانبر و خسته کننده است و دقت ان به شدت وابسته به میزان تجربه اپراتوری است که این کار را انجام میدهد. نیاز به روشی کاملا اتوماتیک و دقیق برای بخش بندی تومور مغزی و اندازه گیری اندازه تومور به شدت احساس میشود . در واقع در این مقاله ابتدا از یک روش ترکیبی CNN-LSTM برای تشخیص تومور HG و LG در تصاویر سه بعدی مغز استفاده میشود. سپس یک روش بخش بندی تومور مغزی کاملا اتوماتیک با استفاده از U-Net که مبتنی بر شبکه convolutional عمیق است، پیشنهاد میشود. روش پیشنهادی بر روی مجموعه داده BRATS 2018 ازمایش میشود. این مجموعه داده شامل 101 تصویر HGG1 و 75 تصویر LGG2 می باشد. الگوریتم بخش بندی میتواند هر تصویر را به 4 ناحیه مختلف necrosis، edema، non-enhancing و enhancing tumor تقسیم میکند و از بخشبندی دستی به عنوان معیار درستی3 استفاده میشود. نتایج این مقاله نشان دادند که روش پیشنهادی میتواند به طور موثری بخش بندی را انجام دهد.
تشخیص تومور مغزی با روش مبتنی بر یادگیری عمیق Keywords:
تشخیص تومور مغزی با روش مبتنی بر یادگیری عمیق authors
راضیه کاظمی
کارشناس ارشد مهندسی برق، دانشگاه فردوسی مشهد
حمیده لاری گل
دانشجوی دکتری مهندسی پزشکی، دانشگاه ازاد اسلامی مشهد