تشخیص تومورهای در تصاویر mriبا استفاده از تکنیکهای پردازش تصویر و یادگیری ماشین

تومورهای اولیه مغز یکی از شایعترین سرطانهای انسانی هستند که پیشرفت در روش‌های درمان و پایش را یکی از چالشهای اساسی در حوزه عصبی - تومورشناسی میدانند . طبقه‌بندی خودکار و دقیق تصاویر مغزی mr برای تحلیل و تفسیر پزشکی بسیار مهم است. در طول دهه گذشته روشهای متعددی پیشنهاد شده‌است. در این پایان نامه ، ما یک روشی برای طبقه‌بندی یک تصویر مغز mr داده‌شده به عنوان تصویر طبیعی یا غیر طبیعی ارائه کردیم. روش پیشنهادی ابتدا از تبدیل موجک برای استخراج ویژگیها از تصاویر استفاده کرد و سپس با استفاده از تحلیل مولفه‌های اصلی (‏pca)‏ابعاد ویژگیها را کاهش داد. ویژگی‌های کاهش‌یافته به یک ماشین بردار پشتیبان هسته (‏(ksvm ارسال شد. برای افزایش تعمیم ksvm از استراتژی اعتبارسنجی لایه چینی استفاده شده‌است. تشخیص تومور مغزی به منظور کشف به موقع آسیب و اقدام سریع برای درمان بیمار از اهمیت بالایی برخوردار می باشد. تاکنون الگوریتم های زیادی در مورد چگونگی شناسایی و استخراج تومورها در تصاویر پزشکی پیاده‌سازی شده‌اند، ام آر آی وسیله‌ای است که معمولا برای تشخیص استفاده می‌شود. در تصاویر mr، مقدار داده‌ها برای تفسیر و تحلیل دستی بسیار زیاد است. قطعه‌بندی فرآیند مهمی در اکثر تحلیل تصاویر پزشکی است.