ترجمه فارسی مقاله طبقه بندی و شناسایی تومور مغزی MRI با استفاده از مدل طبقه بندی تصویر از طریق شبکه های عصبی کانولوشن

چکیده

Malignant brain tumors are generally classified to be extremely aggressive and often can be fatal when not met with immediate action. Glioblastoma Multiforme is the most common type of malignant tumor found in the brain and is extremely aggressive. For this reason, advanced detection of malignant brain tumors is necessary for optimal mitigation. Conversely, the classification of tumors during Medical Resonance Imaging can be difficult due to bodily movements resulting in the movement of the tumor. The movement of the tumor can disrupt targeted radiotherapy and can also, at times, result in treatments about radiotherapy damaging healthy areas of the brain rather than areas of the tumor. This study proposes a novel deep learning system that can identify tumors from MRI images; which can be helpful for the case of early detection, as well as being able to track tumors during active imaging; resulting in higher efficiency with targeted radiotherapy. This is done utilizing Convolutional Neural Networks (CNNs) created via deep learning frameworks. With the image identification of tumors; 97% accuracy was achieved with optimization. The tumor-classification deep learning system achieved an accuracy of 98%. Further testing is required for optimization; with this optimization, higher accuracy can be reached.

چکیده به فارسی (ترجمه ماشینی)

تومورهای بدخیم مغزی به طور کلی طبقه بندی می شوند که بسیار پرخاشگر هستند و اغلب در صورت عدم تحقق فوری می توانند کشنده باشند.گلیوبلاستوما multiforme شایع ترین نوع تومور بدخیم موجود در مغز است و بسیار تهاجمی است.به همین دلیل ، تشخیص پیشرفته تومورهای بدخیم مغز برای کاهش بهینه ضروری است.در مقابل ، طبقه بندی تومورها در طول تصویربرداری رزونانس پزشکی به دلیل حرکات جسمی که منجر به حرکت تومور می شود می تواند دشوار باشد.حرکت تومور می تواند رادیوتراپی هدفمند را مختل کند و همچنین می تواند در بعضی مواقع باعث شود که درمان در مورد رادیوتراپی به مناطق سالم مغز آسیب برساند تا مناطقی از تومور.این مطالعه یک سیستم یادگیری عمیق جدید را ارائه می دهد که می تواند تومورها را از تصاویر MRI شناسایی کند.که می تواند برای مورد تشخیص زودرس و همچنین قادر به ردیابی تومورها در هنگام تصویربرداری فعال مفید باشد.منجر به راندمان بالاتر با رادیوتراپی هدفمند.این کار با استفاده از شبکه های عصبی حلقوی (CNN) ایجاد شده از طریق چارچوب های یادگیری عمیق انجام می شود.با شناسایی تصویر تومورها ؛97 ٪ دقت با بهینه سازی حاصل شد.سیستم یادگیری عمیق طبقه بندی تومور به دقت 98 ٪ دست یافت.آزمایش بیشتر برای بهینه سازی لازم است.با این بهینه سازی ، دقت بیشتری می توان به دست آورد.