بررسي سه روش طبقهبندي آماري، خوشه بندي means-K و شبكه عصبي خودسازنده SOM در شناسايي تومور مغزي

امروزه تومورهاي مغزي ازعوامل شايع درمرگ و ميرانسانها ميباشند. بنابراين تشخيص به موقع آن از اهميت ويژهاي برخوردار است. در حال حاضر تصوير برداري به روش تشديد مغناطيسي) MRI ) به دليل وضوح و كيفيت بالا از مهمترين ابزار شناسايي تومورهاي مغز ميباشد. از طرفي وجود الگوهاي بسيار متفاوت در تو رفتگي ها و شيارهاي مغز و همچنين حضور نويز در تصاويرپزشكي، تشخيص آن را كمي دشوار ميكند. بنابراين استفاده از روشهاي كامپيوتري و الگوريتمهاي مختلف بر مبناي استخراج ويژگيها ميتواند نقش مهمي در شناسايي سريعتر مكان تومور و تجزيه و تحليل آن در تصاوير MRI داشته باشد. دراين پژوهش ،ابتدا تومور مغزي موجود در تصاوير MRI به روش طبقهبندي آماري شناسايي ميشود. سپس روش خوشه بندي means-K جهت تشخيص تومور مغزي مورد بررسي قرار ميگيرد. در ادامه الگوريتم شبكه عصبي خودسازنده SOM ارائه ميشود و تومور مغز به خوبي تشخيص داده ميشود. نتايج اين سه روش نشان مي دهدكه روش طبقهبندي آماري و الگوريتم شبكه عصبي خودسازنده SOM نسبت به روش خوشه بندي means-K از دقت بيشتري برخوردار است.