Mavaddati S. Classification of Brain Tumor Using Model Learning Based on Statistical and Texture Features. Journal of Iranian Association of Electrical and Electronics Engineers 2022; 19 (2) :177-188
URL:
http://jiaeee.com/article-1-673-fa.html
دانشکده فنی و مهندسی، دانشگاه مازندران
چکیده: (1439 مشاهده)
تشخیص انواع تومور مغزی به کمک تصاویر امآرآی در کنار دانش پزشکی میتواند به تصمیمگیری درستی در مورد وضعیت بیمار منتهی گردد. همچنین تشخیص خوشخیم یا بدخیم بودن تومور به دلیل لزوم بررسی جزئیات بافت و امکان خطا یکی از مسائل چالش برانگیز است. بنابراین پرداختن به این حوزه به کمک تکنیکهای پردازش تصویر میتواند بسیار حائز اهمیت باشد. در این مقاله، به منظور تشخیص مناسب نوع تومور مغزی، انواع ویژگیهای مختلف مبتنیبر بافت و مبتنیبر آمار مورد بررسی قرار گرفته و دستهای از ویژگیهای منتخب در این حوزه طبقهبندی مورد استفاده قرار میگیرد. سپس از تکنیک کدگذاری تنک و یادگیری واژهنامه به منظور آموزش مدلهای فراکامل بازنماییکننده مشخصات هر دسته داده استفاده میشود و دستهبندی دادهها براساس نرخ انرژی محاسبه شده ضرایب تنک صورت میگیرد. همچنین نتایج این دستهبندی با نتایج حاصل از دستهبندهای مبتنیبر شبکه عصبی و ماشین بردار پشتیبان مقایسه میگردد. نتایج شبیهسازیها نشان میدهد که روش پیشنهادی مبتنیبر ویژگیهای ترکیبی و آموزش مدلهای فراکامل قادر به طبقهبندی مطلوب انواع تومور مغزی با دقت بالا خواهد بود.
نوع مقاله:
پژوهشي |
موضوع مقاله:
الکترونیک دریافت: 1397/7/1 | پذیرش: 1399/1/16 | انتشار: 1401/6/9