قطعه‎بندی تومورهای مغزی گلیوما مبتنی بر تصاویر MRIبا استفاده از یادگیری عمیق

تومورهای مغزی گلیوما، اصلی ترین نوع تومورهای مغزی اند که از رشد غیرطبیعی سلول های گلیال ایجاد می‎شوند. این سلول ها در لابه لای نورون ها قرار ‎داشته و نقش محافظتی دارند. روش تصویربرداری MRI یکی از رایج ترین روش های مورد استفاده برای تشخیص و قطعه‎بندی تومورهای مغزی است. تشخیص مکان و ناحیه گسترش تومور، به طورمعمول به صورت دستی انجام می‎شود که کاری بسیار وقت گیر و طاقت فرسا است. از این‎رو، وجود روش هایی برای قطعه‎بندی خودکار تومورهای مغزی ضروری است. در این مقاله ساختاری مبتنی بر شبکه عصبی عمیق، برای قطعه‎بندی خودکار تومورهای مغزی گلیوما پیشنهاد شده است. ارزیابی روش پیشنهادی بر روی پایگاه داده استاندارد BRATS2013 حاوی چهار نوع اسکن Flair، T1، T1c و T2 تصاویر MRI، نشان می‎دهد که الگوریتم پیشنهادی می‎تواند با دقت % 35/96 مکان تومورهای مغزی را آشکار کند. همچنین اندازه سه معیار ضریب شباهت دایس، حساسیت و ویژگی، برای نتیجه‎ی قطعه‎بندی حاصل از روش پیشنهادی، به ترتیب %23/81، %11/91 و %84/96 به دست آمد.

Keywords:

قطعه‎بندی , تومورهای مغزی , گلیوما , یادگیری عمیق , شبکه عصبی کانولوشنی