تشخیص درجه بندی تومورهای سرطانی مغز با استفاده از ویژگی های فراکتال و زمینه ای

امروزه سرطان های مغزی به یکی از چالش های علم سلامت تبدیل شده است که سالانه درجهان بیش از 200 هزار نفر در پی این عارضه جان خود را از دست می دهند. سرطان مغزی انواع مختلفی از تومورهای مغزی دارد که برخی از آنها خوش خیم و برخی سرطانی یا بدخیم هستند. که پروسه تشخیص این عارضه با استفاده از آزمایشات بیوپسی و تصویربرداری تشخیص داده میشوند. همچنین جهت درمان مناسب پس از اطمینان از وجود تومور سرطان، . جهت انتخاب بهترین روش درمانی توسط پزشک سعی در تعیین درجه (grade) تومور سرطانی در جهت اطلاع از پیشرفت و مرحله نوع تومور سرطانی میشود. در حال حاضر این فرآیند بصورت تهاجمی حاصل میشود که دارای معظلات و خطراتی برای سلامت فرد مبتلا است. بدین منظور هدف ما در این مطالعه ارائه یک روش غیرتهاجمی جهت تشخیص درجه بندی دو نوع تومور lgg- gbm سرطان مغزی با استفاده از تصاویر mrاست. که در این راستا ابتدا تصاویر mr از دو پایگاه داده tcga-lgg و tcga-gbmجمع آوری میشوند و پس از آن مرحله پیش پردازش انجام میگردد. و سپس ناحیه در تقسیم بندی تصاویر ناحیه تومور از سایر بافت های جدا میگردد و با استفاده از ویژگی های فراکتال و زمینه ای تومور درجه تومور سرطان مغز تعیین میشود. در مرحله ی آخر عملکرد طبقه بندی ها با استفاده از پارامترهای حساسیت، اختصاصی بودن و دقت ارزیابی شده نتایج نشان داد که ترکیب ویژگی های فراکتال و بافت دارای کارایی بالاتری در تشخیص درجه تومور سرطانی تصاویر با دقت 74/85 داشته است.

diagnosis of brain cancer tumors using fractal and background features

today, brain cancers have become one of the challenges in health science, with more than 200,000 people dying from the disease each year. brain cancer has different types of brain tumors, some of which are benign and some of which are cancerous or malignant. the process of diagnosing this complication is diagnosed using biopsy and imaging tests. also for proper treatment after ensuring the presence of a cancerous tumor. in order to choose the best treatment method, the doctor tries to determine the grade of the cancerous tumor in order to know the progress and stage of the cancerous tumor. at present, this process is achieved aggressively, which has obstacles and risks for the health of the affected person. for this purpose, our aim in this study was to provide a non-invasive method for diagnosing the classification of two types of lgg-gbm brain cancer tumors using mr images. in this regard, first mr images are collected from two databases tcga-lgg and tcga-gbm and then the pre-processing step is performed. then, the area is separated from other tissues in the division of images of the tumor area, and the degree of brain cancer tumor is determined using the fractal and background characteristics of the tumor. in the last stage, the performance of the classifiers using the parameters of sensitivity, specificity and accuracy evaluated. the results showed that the combination of fractal and tissue features had a higher efficiency in detecting the degree of cancerous tumor with an accuracy of 85.74.