سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

بهبود تشخیص تومور مغزی با استفاده از ترکیب شبکه های عمیق به روش رای اکثریت

نویسندگان :

مریم صباغ کاخکی¹ عقیله حیدری²

1- دانشگاه پیام نور مشهد 2- دانشگاه پیام نور مشهد

کلمات کلیدی :

تشخیص تومور مغزی،رای اکثریت،گوگل نت،یادگیری عمیق،الکس نت،موبایل نت،ترکیب خبره ها

چکیده :

تشخیص و طبقه بندی خودکار تومور مغزی به عنوان یک گام کلیدی برای درک بهتر مکانیسم آن از همیت بالایی برخوردار است. تصویربرداری رزونانس مغناطیسی (MRI) به رادیولوژیست‌ها کمک می‌کند تا ناحیه تومور را شناسایی کنند، اما این فرآیند زمان‌بر و نیازمند تخصص است. پیشرفت‌های اخیر در تشخیص به کمک رایانه (CAD)، یادگیری ماشین و یادگیری عمیق به رادیولوژیست‌ها این امکان را می‌دهد که تومورهای مغزی را با دقت بیشتری شناسایی کنند.در این پژوهش با هدف بهبود دقت تشخیص تومورهای مغزی از تصاویر MRI، از ترکیب سه مدل یادگیری عمیق گوگل نت، آلکس نت و موبایل نت در قالب یک سیستم رای اکثریت استفاده شده است. با به کارگیری روش پیشنهادی، دقت نهایی سیستم به ۹1.24% رسید. پایگاه داده مورد استفاده در این پژوهش از مجموعه داده ای شامل 3064 تصویر MRI که شامل سه نوع تومور مغزی، مننژیوما ، گلیوما و هیپوفیز و یک کلاس نرما می باشد، استفاده کرده است. نتایج حاکی از کاهش خطای طبقه‌بندی متقابل در کلاس‌های مشابه گلیوما و مننژیوما است. این بهبود ناشی از تنوع معماری‌های شبکه‌ها در استخراج ویژگی‌های مکمل است. بکارگیری ترکیب یادگیرهای عمیق می‌تواند به عنوان یک ابزار کمکی دقیق تری در فرآیند تشخیص بیماری ها مورد استفاده قرار گیرد و زمینه را برای توسعه سیستم‌های ترکیبی با معماری‌های پیشرفته‌تر فراهم کند.