کنفرانس بین المللی محاسبات نرم

صفحه اصلی / چهارمین کنفرانس بین المللی محاسبات نرم

طبقه‌بندی تومور مغزی در تصاویر MR با استفاده از شبکه‌ خودرمزنگار عمیق و الگوهای باینری محلی

نویسندگان :

فرناز حسینی¹ اسدالله شاه بهرامی² عباس حیدری³

1- دانشگاه فنی وحرفه ای 2- دانشگاه گیلان 3- دانشگاه فنی وحرفه ای

کلمات کلیدی :

طبقه بندی، تومور مغزی، شبکه عصبی خودرمزنگار، الگوهای باینری محلی، تصاویر MR

چکیده :

تومور مغزی نوعی نئوپلاسم سخت و توپُر واقع در مغز یا کانـال مرکـزی نخـاع است. در حال حاضر تشخیص تومورهای مغزی یکی از مسائل کلیدی در ارزیابی تصاویر پزشکی می‌باشند. هرچند امروزه از تصويربرداري تشديد مغناطيسي (MRI) برای تشخيص ساختار و بافت تومورهای مغزی استفاده مي شود، اما تحلیل تصاویر بسیار پیچیده است. حجم بالای اطلاعات و آثار مخربی از قبیل نویز، معمولا استخراج محل تومور در تصاویر را با مشکل مواجه می‌کند. سیستم تشخیص هوشمند بر پایه بینایی کامپیوتر می-تواند امکان تشخیص دقیق تومور در تصاویر را فراهم کند. در تحقیق حاضر، از یک شبکه خودرمزنگار عمیق برای طبقه بندی تومور مغزی در تصاویر MR استفاده شده است. هدف از ارائه‌ی روش پیشنهادی، افزایش دقت طبقه‌بندی و حذف تشخیص نواحی نادرست به جای محل تومور است. استخراج ویژگی‌ها به منظور کاهش ابعاد پیکسل‌های تومور در ناحیه سالم اطراف آن، توسط الگوهای باینری محلی انجام شده است. کاهش ابعاد ویژگی و کد کردن بهینه این ویژگی‌ها در شبکه خودرمزنگار عمیق منجر به افزایش دقت طبقه‌بندی می‌گردد. روش پیشنهادي در محیط MATLAB و بر روی پایگاه داده تصاویر استاندارد BRATS2015 پیاده سازي شده است. با ارزیابی نتایج به دست آمده و بهبود دقت طبقه بندی تا 97%، می‌توان نتیجه گرفت روش پیشنهادی در مقایسه با سایر روش های ارائه شده در سال‌های اخیر بازده بهتری داشته است.