ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزی
مقاله پژوهشیمقدمه: تشخیص زودهنگام تومورهای مغزی با استفاده از MRI و الگوریتم‌های هوش مصنوعی نقش کلیدی در بهبود نتایج درمان دارد. تصاویر MRI به عنوان ابزار اصلی برای شناسایی تومورهای مغزی عمل می‌کنند. هدف مطالعه، ارزیابی الگوریتم‌های یادگیری ماشینی برای تشخیص تومور و عدم تومور با استفاده از تصاویر MR...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Isfahan University of Medical Sciences
2024-09-01
|
| Series: | مجله دانشکده پزشکی اصفهان |
| Subjects: | |
| Online Access: | https://jims.mui.ac.ir/article_31299_cb80c93562bc08fa33f4802c49ae69bc.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | مقاله پژوهشیمقدمه: تشخیص زودهنگام تومورهای مغزی با استفاده از MRI و الگوریتم‌های هوش مصنوعی نقش کلیدی در بهبود نتایج درمان دارد. تصاویر MRI به عنوان ابزار اصلی برای شناسایی تومورهای مغزی عمل می‌کنند. هدف مطالعه، ارزیابی الگوریتم‌های یادگیری ماشینی برای تشخیص تومور و عدم تومور با استفاده از تصاویر MRI بود.روش‌ها: در مجموع 2400 تصویر MRI از Kaggle.com جمع‌آوری شد و پیش‌پردازش لازم روی آنها صورت گرفت. الگوریتم‌هایی مانند رگرسیون لجستیک، درخت تصمیم، جنگل تصادفی، روش ساده بیز، ماشین بردار پشتیبان و K نزدیک‌ترین همسایه نیز بر روی تصاویر پیاده‌سازی شدند.یافته‌ها: بعد از بکارگیری همه‌ی الگوریتم‌ها، مقادیر دقت آموزش، دقت آزمایش، صحت، بازخوانی، امتیاز F1، ماتریس کانفیوژن و سطح زیر منحنی راک برای ارزیابی معیارهای عملکرد بدست آمدند.نتیجه‌گیری: بر اساس بررسی‌های انجام شده، الگوریتم‌های رگرسیون لجستیک و جنگل تصادفی بهترین عملکرد را از خود نشان دادند. الگوریتم‌های نایب بیز و درخت تصمیم نیازمند بهبود هستند. |
|---|---|
| ISSN: | 1027-7595 1735-854X |