دوره 26، شماره 4 - ( پائیز 1399 )
جلد 26 شماره 4 صفحات 413-398 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Najaf-Zadeh A, Ghaffari H R. A Two-Dimensional Convolutional Neural Network for Brain Tumor Detection From MRI. Intern Med Today 2020; 26 (4) :398-413
URL: http://imtj.gmu.ac.ir/article-1-3432-fa.html
URL: http://imtj.gmu.ac.ir/article-1-3432-fa.html
نجف زاده ایوب، غفاری حمیدرضا. تشخیص تومورهای مغزی از روی تصاویر MRI با استفاده از شبکه کانولوشنی دوبعدی. طب داخلی روز. 1399; 26 (4) :398-413
ایوب نجف زاده1 
، حمیدرضا غفاری* 2
، حمیدرضا غفاری* 2
1- گروه مهندسی هوش مصنوعی، دانشکده مهندسی، دانشگاه آزاد اسلامی، واحد فردوس، فردوس، ایران.
2- گروه مهندسی هوش مصنوعی، دانشکده مهندسی، دانشگاه آزاد اسلامی، واحد فردوس، فردوس، ایران. ، hamidghaffary53@yahoo.com
2- گروه مهندسی هوش مصنوعی، دانشکده مهندسی، دانشگاه آزاد اسلامی، واحد فردوس، فردوس، ایران. ، hamidghaffary53@yahoo.com
چکیده: (3493 مشاهده)
اهداف: تومورهای سرطانی مغز انسان در دسته بیماری های خطرناک هستند که کیفیت زندگی انسان ها را تا سالیان دراز تحت تأثیر قرار می دهند و تشخیص آنها در مراحل اولیه، راه را برای درمان بسیار هموار می کند. هدف از این مقاله تشخیص هوشمند تومورهای مغزی از سه کلاس تومور مننژیوما، گلیوما و هیپوفیز با استفاده از یادگیری عمیق است.
مواد و روش ها: سیستم پیشنهادی شامل دو مرحله، استخراج ویژگی و طبق هبندی است. جهت استخراج ویژگی تصاویر، از یک شبکه کانولوشنی 12 لایه استفاده شده است. درنهایت، جهت طبق هبندی ویژگی ها از تابع فعال ساز Softmax استفاده شده است. سیستم پیشنهادی بر روی پایگاه داده استاندارد و شامل سه کلاس گلیوما، مننژیوما و هیپوفیز اعمال شده است.
یافته ها پیاده سازی سیستم تشخیص پیشنهادی روی پایگاه داده پیشنهادی، نشان دهنده برتری آن در مقایسه با روش های قبلی است که از این دیتاست استفاده کرده اند. برای روش کانولوشنال دو بعدی، دقت روش 98.68 درصد به دست آمده است.
نتیجه گیری: تومورهای مننژیوما، گلیوما و هیپوفیز در دسته شایع ترین بیماری های مغزی قرار دارند. تشخیص سریع و زودهنگام این ضایعات تا حد زیادی فرد بیمار را از خطر مرگ نجات می دهد. استفاده شبکه کانولوشنال عمیق با توجه به ساختار تمام متصل می تواند کمک شایانی به پزشکان در تشخیص صحیح انجام دهند.
مواد و روش ها: سیستم پیشنهادی شامل دو مرحله، استخراج ویژگی و طبق هبندی است. جهت استخراج ویژگی تصاویر، از یک شبکه کانولوشنی 12 لایه استفاده شده است. درنهایت، جهت طبق هبندی ویژگی ها از تابع فعال ساز Softmax استفاده شده است. سیستم پیشنهادی بر روی پایگاه داده استاندارد و شامل سه کلاس گلیوما، مننژیوما و هیپوفیز اعمال شده است.
یافته ها پیاده سازی سیستم تشخیص پیشنهادی روی پایگاه داده پیشنهادی، نشان دهنده برتری آن در مقایسه با روش های قبلی است که از این دیتاست استفاده کرده اند. برای روش کانولوشنال دو بعدی، دقت روش 98.68 درصد به دست آمده است.
نتیجه گیری: تومورهای مننژیوما، گلیوما و هیپوفیز در دسته شایع ترین بیماری های مغزی قرار دارند. تشخیص سریع و زودهنگام این ضایعات تا حد زیادی فرد بیمار را از خطر مرگ نجات می دهد. استفاده شبکه کانولوشنال عمیق با توجه به ساختار تمام متصل می تواند کمک شایانی به پزشکان در تشخیص صحیح انجام دهند.
نوع مطالعه: پژوهشی |
موضوع مقاله:
مطالعه بيماری‌ها
دریافت: 1398/9/16 | پذیرش: 1399/3/31 | انتشار: 1399/7/9
دریافت: 1398/9/16 | پذیرش: 1399/3/31 | انتشار: 1399/7/9
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |