قطعه‌بندي تومور مغزي در تصاوير MRI با استفاده از شبكه‌هاي عصبي عميق

كارشناسي ارشد

قطعه‌بندي تومورهاي مغزي يك امر مهم در پردازش تصاوير پزشكي است و مي‌تواند به پزشكان در برآورد دقيق ناحيه تومور كمك كند. به دليل متفاوت بودن تومورها ازنظر شكل، اندازه و موقعيت قرارگيري در هر بيمار، قطعه‌بندي تومورهاي مغزي با چالش‌هايي روبرو است. روش جديد يادگيري ماشين به نام يادگيري عميق محدوديت روش‌هاي سنتي يادگيري ماشين را برطرف مي‌كند. همچنين اين روش مسئله وجود داده‌هاي زياد را بهتر مديريت مي‌كند تا بتوان اطلاعات مناسبتري را از اين دادهها استخراج كرد. قطعه‌بندي تومورهاي كوچك دشوارتر از تومورهاي بزرگ است. در اين پايان‌نامه با ارائه روشي مبتني بر يادگيري عميق، بر اين مشكل غلبه مي‌كنيم. در اين روش با استفاده از كانولوشن‌ قابل تغييرشكل به همراه كانولوشن‌ گسترش‌يافته در UNet، دقت قطعه‌بندي تومور را بالا مي‌بريم. كانولوشن قابل تغييرشكل ياد مي‌گيرد كه كدام همسايگي را در محاسبه خروجي دخيل كند؛ يعني با توجه به‌اندازه شي‌ء موردنظر، هسته كانولوشن گسترده يا فشرده مي‌شود. اين ويژگي كانولوشن‌ قابل تغييرشكل باعث مي‌شود اطلاعات مكاني بيشتري در اختيار شبكه قرار گيرد و بنابراين دقت تشخيص تومور افزايش پيدا مي‌كند. اين كانولوشن‌ را همراه با ايده كانولوشن‌ گسترش‌يافته استفاده مي‌كنيم. در كانولوشن‌ گسترش‌يافته، اندازه هسته كانولوشن با نرخ گسترش متفاوت، افزايش مي‌يابد و درنتيجه ميدان دريافت بزرگ‌تري خواهيم داشت بدون اينكه رزولوشن را از دست بدهيم. اين ايده را بر روي معماري UNet پياده‌سازي مي‌كنيم. نتايج نشان مي‌دهد كه روش ما توانسته در معيارهاي دايس و IOU بهبود خوبي ايجاد كند. اين مقدار بهبود در دودسته whole و core بيشتر از ساير روش‌هاست(معيار دايس براي whole از 0.8760 به 0.8877، براي core از 0.8555 به 0.8673). در دسته enhancing ميزان بهبود كمتر است(معيار دايس براي enhancing از 0.8099 به 0.8165). علاوه براين ما در مدل پيشنهادي خود از ماژول توجه فشرده‌سازي و تحريك استفاده كرديم كه بهبود مناسبي ايجاد نكرد اما استفاده از ايده نرخ گسترش افزايشي و سپس كاهشي همراه با مدل پيشنهادي خود توانست در core و enhancing بهبود ايجاد كند( معيار دايس براي core از 0.8555 به 0.8683 و براي enhancing از 0.8099 به 0.8176).

210586

دانشگاه علم و صنعت ايران

دكتر محمدرضا محمدي

هوش مصنوعي و رباتيكز

دكتر محسن سرياني