تشخیص تومورهای مغزی از روی تصاویر Mri با استفاده از شبکه کانولوشنی دوبعدی

اهداف: تومورهای سرطانی مغز انسان در دسته بیماری های خطرناک هستند که کیفیت زندگی انسان ها را تا سالیان دراز تحت تاثیر 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.

A Two-Dimensional Convolutional Neural Network for Brain Tumor Detection From MRI

Aims: Cancerous brain tumors are among the most dangerous diseases that lower the quality of life of people for many years. Their detection in the early stages paves the way for the proper treatment. The present study aimed to present a twodimensional Convolutional Neural Network (CNN) for detecting brain tumors under Magnetic Resonance Imaging (MRI) using the deep learning method.Methods Materials: The proposed method has two stages of feature extraction and classification. A 12layer CNN was used to extract the features of the MRI images and then the softmax activation function was used to classify these features. The proposed method was applied to a standard database consisting of three brain tumor types of meningioma, glioma, and pituitary.Findings: The proposed method had better performance compared to previously presented methods. Its accuracy was reported as 98.68%.Conclusion: Meningioma, glioma, and pituitary tumors are the most common types of brain tumors. Early detection of these tumors can decrease the risk of death. Because of its fully connected structure, the use of proposed deep CNN can help physicians to correctly detect brain tumors with MRI images.