روش یادگیری جمعی برای تشخیص و دسته بندی تومور مغز با استفاده از تصاویرMRI مغز

سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 113

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EECMAI04_033

تاریخ نمایه سازی: 24 مهر 1402

چکیده مقاله:

آنچه ما در این پژوهش به عنوان هدف به دنبال آن هستیم این است که با استفاده از روش های موجود در پردازش تصاویر و قطعه بندی کردن آنها به منظور دست یابی به بهترین نتیجه را بررسی کنیم و تا حد امکان یک روشی برای رسیدن به نتیجه مطلوب در تشخیص تومورهای مغزی از تصاویر MRI و FMRI مبتنی بر این روش ها پیشنهاد دهیم سپس الگوریتم پیشنهادی را مورد آزمایش قرار دهیم. در پژوهش حاضر از سه روش خوشه بندی K-means، خوشه بندی Fuzzy Cmeans و رویکرد آستانه گذاری استفاده می شود. با اعمال هر سه روش مذکور بروی تصاویر موجود در پایگاه داده، دقت هر کدام از این روش ها در راستای قطعه بندی تصاویر و تشخیص تومور تعیین شده و با یکدیگر مقایسه می شوند. نتایج حاصل از این بررسی نشان میدهد که دقت روش پیشنهادی حدود ۹۸,۶۳ درصد است که به نسبت روشهای مشابه خوب عمل کرده است. یادگیری جمعی یا گروهی ، با ترکیب پیشبینیها و دنبالکردن دانش گروه است که یک دسته بندی نهایی یا خروجی با پیشبینی بهتر را ارائه میدهد. طبیعتا، روش های یادگیری جمعی انتخاب محبوبی در رقابتهای یادگیری ماشین مثل مسابقات نتفلیکس و kaggle هستند. تشخیص و دسته بندی تومورهای مغزی با استفاده از روشهای تصویربرداری و پردازش تصویر، همچنین استفاده از روشهای یادگیری جمعی، امکانپذیر است. این مطالب میتوانند به شناخت بهتر این نوع از تومورها و روشهای بهینه تر تشخیص و درمان آنها کمک کنند.

کلیدواژه ها:

تومور مغزی ، MRI ، پردازش تصویر ، یادگیری جمعی یا گروهی ، الگوریتم بهینه سازیطوفان مغزی فازی هیبریدی

نویسندگان

الهه زارع اکباتانی

کارشناس ارشد هوش مصنوعی

محمدابراهیم شیری احمدآبادی

عضو هیات علمی دانشگاه صنعتی امیرکبیر