تشخیص انواع تومور مغزی با استفاده از شبکه عصبی کانولوشن

به دلیل محل رشد تومورهای مغزی در سر انسان، معمولا احتمال مرگ بر اثر این تومورها، شش برابر بیشتر از تومورهای دیگر است. سیستم های کامپیوتری را می توان برای کاهش تجویز درمان های نامناسب و کمک به متخصصان در تشخیص این بیماری استفاده کرد. تشخیص ناحیه تومور با دقت و صحت بالا و رد زمان مناسب یگ راهکار مناسب برای بهبودی و کاهش روند درمان میباشد.توسعهی یک سیستم تشخیصی اتوماتیک یا نیمه اتوماتیک به کمک کامپیوتر در درمانهای پزشکی واقعی مورد نیاز است تا بتواند حجم کاری پزشکان را کاهش داده و دقت را با دادن نتایج عینی بهبود بخشند.استفاده از مدل های پیش آموزش دیده شبکه عصبی کانولوشن باعث می شود که ویژگی ها با کیفیت بالاتر، نسبت به روش های سنتی از تصاویر استخراج شود. به علت ایجاد ویژگی های فراوان توسط مدل های شبکه عصبی کانولوشن، در فاز سوم از روش تحلیل مولفه های اصلی احتمالی به منظور کاهش ابعاد و وابستگی استفاده می شود که از ۱۰۰۰ ویژگی استخراج شده در نهایت ۵ ویژگی اصلی انتخاب می شود. در مرحله نهایی با استفاده از الگوریتم ماشین بردار پشتیبان سه نوع تومور مغزی از هم تفکیک میشوند.سه نوع تومور با صحت %۹۸.۵۲ از هم تفکیک شدند. نتایج مقایسهای نشان میدهد که الگوریتم پیشنهادی عملکرد مناسبی برای تشخیص انواع تومور را دارد.