استفاده از روش‌هاي طبقه بندي بر مبناي يادگيري عميق براي تفسير تصاوير MRI مغزي به منظور تشخيص تومور

طبقه‌بندي تومورهاي مغزي براي ارزيابي و تشخيص نوع تومورها و تصميم‌گيري به منظور درمان با توجه به مراحل پيشرفت بيماري بسيار حائز اهميت است. تكنيك‌هاي تصويربرداري زيادي براي تشخيص تومورهاي مغزي استفاده مي‌شود. با اين حال، روش MRI به دليل كيفيت تصوير بهتر و عدم تكيه بر پرتوهاي يونيزان در مقايسه با ساير روش‌ها برتري دارد. بديهي است هر چقدر تفسير با دقت بالايي صورت بگيرد به مراحل درمان كمك شاياني خواهد نمود كه براي اين منظور مي‌توان از روش‌هاي طبقه‌بندي تصاوير كه در سنجش‌از دور كاربرد زيادي دارد استفاده نمود. يادگيري عميق زيرشاخه‌اي از يادگيري ماشين است و در سال‌هاي اخير خصوصاً در مباحث طبقه‎بندي و قطعه‌بندي تصاوير عملكرد قابل توجهي داشته است. در اين مقاله، يك مدل يادگيري عميق بر اساس يك شبكه عصبي كانولوشن براي طبقه‌بندي انواع مختلف تومور مغزي با استفاده از يك مجموعه داده پيشنهاد شده‌است. كه تومورها را به مننژيوم، گليوما و هيپوفيز طبقه‌بندي مي‌كند. روشهاي تصويربرداري MRI  داراي پروتكلهاي مختلفي هستند كه در اين تحقيق از تصاوير بدست آمده بر اساس پروتكل T1 با مجموع 3064 تصوير كه شامل تصاوير 233 بيمار مي‌باشد، استفاده شده است. با ساختار شبكه پيشنهادي دقت كلي97/41 % براي مجموعه داده‌ها به دست ‌آمد. نتايج تحقيق نشان‌دهنده توانايي مدل براي اهداف طبقه‌بندي تومور مغزي مي‌باشد.