تشخیص تومور مغزی با رویکرد یادگیری عمیق و مکانیزم توجه با استفاده از تصاویر چندوجهیMRI
محل انتشار: اولین کنفرانس بین المللی و ششمین کنفرانس ملی کامپیوتر، فناوری اطلاعات و کاربردهای هوش مصنوعی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 458
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CEITCONF06_060
تاریخ نمایه سازی: 26 خرداد 1402
چکیده مقاله:
شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد.در حال حاضر،تشخیص ناهنجاری از طریق تصاویر ام آر آی عمدتا به صورت دستی است و نیازمند صرف زمان زیادی است.همچنین تکنیک دستی تشخیص نیز مستعد خطا و فرآیند دشواری است که می تواند زندگی بیمار را با خطر روبرو بکند.بنابراین، نیاز اساسی به روش های کامپیوتری با دقت بهتر برای تشخیص زودهنگام تومور وجود دارد.برای حل این مسائل،مطالعات بر روی تکنیک های مختلف یادگیری ماشین و یادگیری عمیق برای تشخیص تومور مبتنی بر کامپیوتر متمرکز شده اند.یادگیری عمیق در مقایسه با الگوریتم های کلاسیک یادگیری ماشینی عملکرد بهتری داشت که از چند سال گذشته به طور گسترده برای ساخت یک مدل اتوماتیک یا ترکیبی برای شناسایی موثر تومور در زمان کمتر و حداکثر دقت مورد استفاده قرار گرفته است. هدف اصلی شناسایی کامپیوتری تومور مغزی به دست آوردن اطلاعات بالینی مهم در مورد حضور، محل، نوع و تقسیم بندی دقیق زیرگونه های تومور است.در این مقاله،ما عملیات پیش پردازش دقیق و پایداری را بر روی تصاویر ام آر آی اعمال می کنیم.که از مهم ترین آن ها می توان به گسترش دامنه شدت تصاویر،جهت بهبود کنتراست اشاره کرد.همچنین رویکرد جدیدی با نام مکانیزم توجه را برای از بین بردن مقدار قابل توجهی از اثر پس زمینه در تصاویر و تمرکز بر خود تومور و بافت های اطراف آن جهت تقسیم بندی تومور را ارائه می کنیم.ما از یک معماری پیشنهادی Unet-۳D برای بخش بندی دقیق تر تومور مغزی استفاده کردیم.در این معماری،رویکرد اصلاح شده مرحله رمزگشا پیشنهاد می شود.ما معماری پیشنهادی را برروی مجموعه داده تقسیم بندی تومور مغزی ۲۰۲۰ (BRATS) اعمال می کنیم.نمرات تاس (DSC)کل تومور (WT)،هسته تومور (TC) و تومور افزایش یافته (ET) به ترتیب ۸۹.۸۴%.۸۷.۱۹%.۸۳.۷۲% بدست می آیند
کلیدواژه ها:
نویسندگان
احسان قلی پور
دانشجوی کارشناسی ارشد مهندسی صنایع. ارومیه،ابتدای جاده بند،دانشگاه صنعتی ارومیه
کامیار صبری لقائی
دانشیار گروه مهندسی صنایع. ارومیه،ابتدای جاده بند،دانشگاه صنعتی ارومیه