منصة الرسائل والاطاريح: الكشف والتجزئة الالية لورم الدماغ بالاعتماد على صور الرنين المغناطيسي

الخلاصة

ورم الدماغ هو نمو غير طبيعي للخلايا داخل الدماغ. بعضها حميدة والبعض الآخر خبيث. يمكن أن تنمو الأورام من أنسجة المخ نفسها (الأولية) ، أو يمكن أن ينتشر السرطان من مكان آخر في الجسم إلى الدماغ (ورم خبيث). تعتبر أورام الدماغ من الأمراض القاتلة لأن معدل البقاء على قيد الحياة فيها منخفض جدا لذلك من أجل توفير علاج فعال يلزم إجراء تشخيص دقيق لهذه الأورام. يوفر التصوير بالرنين المغناطيسي (MRI) تفاصيل معلومات حول تشريح ورم الدماغ ، التركيب الخلوي وإمداد الأوعية الدموية ، مما يجعلها أداة مهمة للتشخيص الفعال والعلاج ومراقبة المرض. الكشف الآلي عن ورم الدماغ من خلال صور التصوير بالرنين المغناطيسي هو من أصعب المهام في الطب الحديث. تتطلب التجزئه التلقائيه لصور الدماغ جهد اكبر ، وهي عملية تقسيم الصورة في مناطق متميزة ، هي واحدة من أكثر الجوانب المهمه. الضوضاء الموجودة في تصوير الدماغ بالرنين المغناطيسي الصور هي ضوضاء مضاعفة وتقليلها مهمة صعبة. لانه لايجب تدمير وازالة التفاصيل التشريحية الدقيقة للدماغ. فيجب العمل بدقه وحذر. لذا فان تجزئة صور الدماغ تعتبر تحديًا. لكنه جدا مهم وحاسم للتشخيص الدقيق. والتي تساعد أخصائي الأشعة في تشخيص الدماغ. يعد الكشف اليدوي وتجزئة منطقة الورم من شرائح التصوير بالرنين المغناطيسي عملية معقدة وتستغرق وقتًا طويلاً ، خاصة عند التعامل مع عدد كبير من صور التصوير بالرنين المغناطيسي. لذلك ، مطلوب نموذج كشف فعال وموثوق. في هذا العمل ، تم اقتراح طريقة التشخيص الآلي التي تتكون من خطوتين رئيسيتين ؛ الكشف عن شريحة الورم وتجزئة منطقة الورم في الشريحة المكتشفة. في خطوة الكشف ، استخدمنا التعلم الآلي لاكتشاف وتصنيف التصوير بالرنين المغناطيسي للدماغ ، ويتم استخراج الميزات من كل شريحة تصوير بالرنين المغناطيسي باستخدام الرسم البياني للتدرج الموجه (HOG) ، ثم يتم تصنيف هذه الشرائح إلى صور الورم وغير الورمية باستخدام ثلاثة أنواع من نماذج المصنفات (KNN) و (SVM) و (ANN). تم العثور على خوارزمية ANN بمعدل دقة 99.7٪ لتكون أفضل مقارنة بالخوارزميات الأخرى. من ناحية أخرى ، يتم تنفيذ طرق التجميع والعتبة والعمليات المورفولوجية في خطوة التجزئة. يستخدم المرشح المتوسط لتحسين جودة شرائح التصوير بالرنين المغناطيسي وتحسين أداء التجزئة عن طريق تقليل مستوى الضوضاء. أظهرت أربع عمليات مورفولوجية تحسينات كبيرة في عملية التجزئة ، والتعرية ، والتمدد ، والإغلاق ، والفتح. تم تنفيذ التجارب على مجموعتي بيانات ، Kaggle التي تتكون من (3000) صورة ، و BRATS صور عالية الجودة (HGG) وصورة منخفضة الدرجة (LGG). أظهرت النتائج التي تم الحصول عليها من التجارب المحاكاة الإنجازات القوية للخوارزمية المقترحة من حيث الدقة والحساسية والنوعية والنرد وجاكارد .ودرجة F1. علاوة على ذلك ، تتفوق الطريقة المقترحة على بعض التقنيات الأخرى عند تطبيقها على نفس الصور.