چکیده مقاله
تومور مغزی نوعی نئوپلاسم سخت و توپر واقع در مغز یا کانال مرکزی نخاع است در حال حاضر تشخیص تومورهای مغزی یکی از مسائل کلیدی در ارزیابی تصاویر پزشکی می باشند هرچند امروزه از تصویربرداری تشدید مغناطیسی MRI برای تشخیص ساختار و بافت تومورهای مغزی استفاده می 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 می کند 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 ارائه ی روش پیشنهادی افزایش دقت طبقه بندی و حذف تشخیص نواحی نادرست به جای محل تومور است استخراج ویژگی ها به منظور کاهش ابعاد پیکسل های تومور در ناحیه سالم اطراف آن، توسط الگوهای باینری محلی انجام شده است کاهش ابعاد ویژگی و کد کردن بهینه این ویژگی ها در شبکه خودرمزنگار عمیق منجر به افزایش دقت طبقه بندی میگردد روش پیشنهادی در محیط MATLAB و بر روی پایگاه داده تصاویر استاندارد BRATS۲۰۱۵ پیاده سازی شده است با ارزیابی نتایج به دست آمده و بهبود دقت طبقه بندی تا ۹۷% می توان نتیجه گرفت روش پیشنهادی در مقایسه با سایر روش های ارائه شده در سال های اخیر بازده بهتری داشته است
کلیدواژهها
نویسندگان
فرناز حسینی
گروه مهندسی کامپیوتر، دانشگاه فنی و حرفه ای، تهران، ایران
Asadollah Shahbahrami
گروه مهندسی کامپیوتر، دانشگاه گیلان، گیلان، ایران
عباس حیدری
گروه مهندسی عمران، دانشگاه فنی و حرفه ای، تهران، ایران
شیوه ارجاع
�سینی، فرناز و شاه بهرامی، اسدالله و حیدری، عباس،1400،طبقه بندی تومور مغزی در تصاویر MR با استفاده از شبکه خودرمزنگار عمیق و الگوهای باینری محلی،چهارمین کنفرانس بین المللی محاسبات نرم
ارائهشده در
مجموعه مقالات چهارمین کنفرانس بین المللی محاسبات نرم8 دی 1400