بررسی الگوریتم های تشخیص و طبقه بندی تومورمغزی مبتنی بر روش‌های کلاسیک و عمیق یادگیری

شناسایی زودهنگام و موفقیت آمیز تومورهای مغزی نقش مهمی در بهبود نتایج درمان و بقای بیمار دارد. در حال حاضر، تشخیص ناهنجاری از طریق تصاویر mr عمدتا به صورت دستی است و نیازمند صرف زمان زیادی است. همچنین تکنیک دستی تشخیص نیز مستعد خطا و فرآیند دشواری است که می تواند زندگی بیمار را با خطر روبرو بکند. بنابراین، نیاز اساسی به روش های کامپیوتری با دقت بهتر برای تشخیص زودهنگام تومور وجود دارد. برای حل این مسائل، مطالعات بر روی تکنیک های مختلف یادگیری ماشین و یادگیری عمیق برای تشخیص تومور مبتنی بر کامپیوتر متمرکز شده اند. یادگیری عمیق در مقایسه با الگوریتم های کلاسیک یادگیری ماشینی عملکرد بهتری داشته است که از چند سال گذشته به طور گسترده برای ساخت یک مدل اتوماتیک یا ترکیبی برای شناسایی موثر تومور در زمان کمتر و حداکثر دقت مورد استفاده قرار گرفته است. هدف اصلی شناسایی کامپیوتری تومور مغزی به دست آوردن اطلاعات بالینی مهم در مورد حضور، محل، نوع و تقسیم بندی دقیق زیرگونه های تومور است. در این مقاله روش های کلاسیک و عمیق یادگیری جهت طبقه بندی خودکار تومور مغزی مورد مطالعه و ارزیابی قرار گرفته که هدف شناسایی روش هایی با قابلیت بالا برای افزایش دقت در طبقه بندی تومور مغزی است.