همایون یکتایی - کارشناسی ارشد مهندسی پزشکی، گروه بیوالکتریک، دانشکده مهندسی پزشکی، دانشگاه تهران شمال، تهران
مهرنوش بهمنی - کارشناسی ارشد مهندسی پزشکی، گروه بیومکانیم، دانشکده مهندسی پزشکی، دانشگاه تهران شمال، تهران
هانیه یکتایی - کارشناسی مهندسی پزشکی، دانشگاه احرار، رشت

امروزه با توجه به افزایش تعداد بیمارانی که داراي تومور مغزي هستند، تشخیص و جداسازي تومور نقش بسزایی در فرآیند درمان و جراحی این عارضه دارد. با توجه به خطاي بالاي بخش بندي دستی تومور، الگوریتم هایی که این عمل را با خطاي کمتر انجام دهند، از اهمیت بالایی برخوردارند. شبکه هاي عصبی کانولوشن در حوزه ي پردازش تصاویر پزشکی پیشرفت بزرگی داشته اند. در این تحقیق از ساختارهاي متفاوت از شبکه هاي کانولوشن با استفاده از قابلیت لایه هاي کانولوشن dilated براي بخش بندي تومور گلیوما در مجموعه تصاویر MRI چالش بخش بندي تومور مغز ارائه شده است. در ساختار اول لایه هاي کانولوشن به صورت موازي قرار گرفته اند و سپس به هم متصل شده است. در دو ساختار دیگر از لایه ي کانولوشن dilated با تعداد لایه هاي مختلف استفاده شده است. این لایه قابلیت حفظ اندازه و رزولوشن تصویر خروجی را دارد. از قابلیت کانولوشن dilated به منظور بالا نگه داشتن رزولوشن تصویر خروجی، مصرف حافظه ي کمتر و مدت زمان اجراي کوتاه تر استفاده شده است. با توجه به قابلیت لایه هاي کانولوشن dilated و ساختار تماما کانولوشن، شبکه قادر به حفظ اندازه ي خروجی بوده است و از آموزش پارامترهاي اضافی جلوگیري می شود، که این سبب شده است دقت و صحت بالاتري نسبت به ساختارهاي دیگر به دست بیاید، و مدت زمان اجراي برنامه و حافظه ي مصرفی نسبت به ساختارهاي دیگر کمتر شود. این روش باعث بالا رفتن دقت در تشخیص نیز می شود.

بخش بندی، تومور مغزی، شبکه ی عصبی، کانولوشن MRI، dilated