تشخيص تومورهاي مغزي از تصاوير تشديد مغناطيسي با تلفيق روش‌هاي ‌سوپر‌پيكسل و طبقه‌بندي ماشين بردار رابط

توليد سلول‌هاي اضافي اغلب تشكيل توده‌اي از بافت را مي‌دهند كه به آن تومور اطلاق مي‌شود. تومورها مي‌توانند عملكرد صحيح مغز را مختل كنند و حتي منجر به مرگ بيمار گردند. يكي از راه‌هاي تشخيصي غيرتهاجمي براي اين بيماري تصوير‌برداري تشديد مغناطيسي (MRI) مي‌باشد. توسعه‌ي يك سيستم تشخيصي اتوماتيك يا نيمه‌اتوماتيك به كمك كامپيوتر در درمان‌هاي پزشكي مورد نياز است. الگوريتم‌هاي متعددي براي تشخيص تومور بكار گرفته شده است كه هركدام داراي مزايا و معايب خاص خودش است. در اين پژوهش، از تلفيق روش‌هاي تقسيم‌بندي سوپرپيكسل و طبقه‌بندي RVM، يك روش اتوماتيك براي پيدا كردن محدوده دقيق ناحيه تومور در تصوير MRI ابداع نموده است. الگوريتم مورد‌استفاده در روش سوپرپيكسل، الگوريتم SLIC است كه براي هر سوپرپيكسل 13 ويژگي آماري و شدت روشنائي، محاسبه شده و در نهايت توسط الگوريتم طبقه‌بندي RVM روشي آموزش داده مي‌شود كه بتواند در هر تصوير MRI مغز، قسمت تومور را از غير‌تومور تشخيص دهد.در اين تحقيق از مجموعه داده BRATS2012 و از تصاوير با وزن FLAIR استفاده شده است و نتايج بدست آمده با نتايج BRATS2012 مقايسه گرديده است و ضرايب هم‌پوشاني Dice، BF score و Jaccard به ترتيب 0.898 ، 0.697 و 0.754 بدست آمده است.