تركيب ماشين بردار پشتيبان و مدل‌هاي پيش آموزش ديده‌ي شبكه عصبي كانولوشن به منظور طبقه‌بندي تومورهاي مغزي در تصاوير ام‌آر‌آي

به دليل محل رشد تومورهاي مغزي در سر انسان، معمولا احتمال مرگ بر اثر اين تومورها، شش برابر بيشتر از تومورهاي ديگر است. سيستم‌هاي كامپيوتري را مي‌توان براي كاهش تجويز درمان‌هاي نامناسب و كمك به متخصصان در تشخيص اين بيماري استفاده كرد. در اين مقاله از يك الگوريتم جديد به‌منظور تشخيص تومورها در 900 تصوير ام‌آر‌آي استفاده شده است. اين الگوريتم مشتمل بر چهار فاز اصلي است كه در فاز اول بعد از ورود داده‌ها عمليات پيش‌پردازش بر روي تصاوير با استفاده از روش يكسان‌سازي هيستوگرام انجام مي‌شود. در فاز دوم با استفاده از دو مدل پيش آموزش‌ديده شبكه عصبي كانولوشن، استخراج ويژگي انجام مي‌شود. استفاده از مدل‌هاي پيش آموزش‌ديده شبكه عصبي كانولوشن باعث مي‌شود كه ويژگي‌ها با كيفيت بالاتر، نسبت به روش‌هاي سنتي از تصاوير استخراج شود. به علت ايجاد ويژگي‌هاي فراوان توسط مدل‌هاي شبكه عصبي كانولوشن، در فاز سوم از روش تحليل مؤلفه‌هاي اصلي احتمالي به‌منظور كاهش ابعاد و وابستگي استفاده مي‌شود كه در نهايت 100 ويژگي اصلي از هر مدل استخراج مي‌شود. در فاز چهارم طبقه‌بندي با استفاده از الگوريتم ماشين بردار پشتيبان انجام مي‌شود. به‌منظور مقايسه نتايج، از سه شاخص ويژگي، حساسيت، و دقت استفاده شده است. نتايج مقايسه‌اي نشان مي‌دهد كه الگوريتم پيشنهادي عملكرد مناسبي در اكثر داده‌ها دارد.