کنگره بین المللی پیشگیری از سرطان

صفحه اصلی / اولین کنگره بین المللی پیشگیری از سرطان

بهبود تشخیص تومور مغزی با تلفیق شبکه های عصبی کانولوشنی و الگوریتم های تکاملی

نویسندگان :

سکینه اسدی امیری¹ هاتف حسین پور²

1- دانشگاه مازندران 2- دانشگاه مازندران

کلمات کلیدی :

انتخاب ویژگی

چکیده :

تومورهای مغزی از مشکلات جدی در زمینه بیماری‌های مغزی به شمار می‌آیند. تشخیص دقیق این تومورها و تمییز دادن بین تومورها یک چالش اساسی در پزشکی می‌باشد. در این راستا، تصاویر MRI به عنوان منبع غنی از اطلاعات برای تشخیص تومورهای مغزی استفاده می‌شوند، اما حجم بالای اطلاعات در این تصاویر موجب می‌شود تا انتخاب ویژگی‌های مهم و تشخیص دقیق تومورها به یک چالش تبدیل شود. در این پژوهش روش جدیدی پیشنهاد شده تا با ترکیب شبکه عصبی کانولوشنی عمیق و الگوریتم های تکاملی، تومور مغزی را در تصاویر MRI شناسایی کند. ابتدا با استفاده از یک شبکه عصبی کانولوشنی عمیق، به صورت خودکار ویژگی هایی از تصاویر MRI استخراج می شود. سپس از الگوریتم‌های ژنتیک و کلونی مورچگان به عنوان دو ابزار برای انتخاب ویژگی‌های مفید و حذف ویژگی های غیرضروری استفاده می‌شوند. در مرحله بعد، با استفاده از دسته‌بندهای XGBoost و LightGBM سه نوع تومور مختلف شناسایی می شوند. نتایج این تحقیق نشان می‌دهند تلفیق استفاده از شبکه های عصبی کانولوشن و الگوریتم های تکاملی، دقت تشخیص تومورهای مغزی را بهبود بخشیده و راهی به سوی توسعه روش‌های پزشکی برای تشخیص دقیق‌تر بیماری‌های مغزی می باشد. برای ارزیابی روش پیشنهادی از مجموعه داده Figshare Brain Tumor استفاده شده است که به دقت ۵/۹۸% بر روی داده های آزمون دست یافتیم که برتر از روش های موجود است.