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!
|
| _version_ | 1841545395075809280 |
|---|---|
| author | برات براتی مریم عرفانی نژاد سیما هاشمی ناهید چگنی محسن ارشدی |
| author_facet | برات براتی مریم عرفانی نژاد سیما هاشمی ناهید چگنی محسن ارشدی |
| author_sort | برات براتی |
| collection | DOAJ |
| description | 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. |
| format | Article |
| id | doaj-art-ebf6b1eed7eb4d4e8b7988c1ff59b326 |
| institution | Kabale University |
| issn | 1027-7595 1735-854X |
| language | fas |
| publishDate | 2024-09-01 |
| publisher | Isfahan University of Medical Sciences |
| record_format | Article |
| series | مجله دانشکده پزشکی اصفهان |
| spelling | doaj-art-ebf6b1eed7eb4d4e8b7988c1ff59b3262025-01-12T07:14:38ZfasIsfahan University of Medical Sciencesمجله دانشکده پزشکی اصفهان1027-75951735-854X2024-09-014277867468610.48305/jims.v42.i778.067431299ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزیبرات براتی0مریم عرفانی نژاد1سیما هاشمی2ناهید چگنی3محسن ارشدی4استادیار، گروه گروه تکنولوژی پرتوشناسی، دانشکده‌ی علوم پزشکی شوشتر، ایراناستادیار، گروه علوم پایه، دانشکده‌ی علوم پزشکی شوشتر، ایراناستادیار، گروه پرستاری، دانشکده‌ی علوم پزشکی شوشتر، ایراندانشیار، گروه فیزیک پزشکی، دانشگاه علوم پزشکی اهواز، ایراندانشجوی پرستاری، دانشکده‌ی علوم پزشکی شوشتر، ایرانمقاله 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.https://jims.mui.ac.ir/article_31299_cb80c93562bc08fa33f4802c49ae69bc.pdfتصاویر ام‌آر‌آیتشخیصیادگیری ماشینیمدل‌های لجستیکجنگل تصادفی |
| spellingShingle | برات براتی مریم عرفانی نژاد سیما هاشمی ناهید چگنی محسن ارشدی ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزی مجله دانشکده پزشکی اصفهان تصاویر ام‌آر‌آی تشخیص یادگیری ماشینی مدل‌های لجستیک جنگل تصادفی |
| title | ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزی |
| title_full | ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزی |
| title_fullStr | ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزی |
| title_full_unstemmed | ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزی |
| title_short | ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزی |
| title_sort | ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری mri مغزی |
| topic | تصاویر ام‌آر‌آی تشخیص یادگیری ماشینی مدل‌های لجستیک جنگل تصادفی |
| url | https://jims.mui.ac.ir/article_31299_cb80c93562bc08fa33f4802c49ae69bc.pdf |
| work_keys_str_mv | AT brạtbrạty ạrzyạbyạlgwrytmhạyyạdgyrymạsẖynbrạypysẖbynytṣạwyrtwmwrywgẖyrtwmwrymrimgẖzy AT mrymʿrfạnynzẖạd ạrzyạbyạlgwrytmhạyyạdgyrymạsẖynbrạypysẖbynytṣạwyrtwmwrywgẖyrtwmwrymrimgẖzy AT symạhạsẖmy ạrzyạbyạlgwrytmhạyyạdgyrymạsẖynbrạypysẖbynytṣạwyrtwmwrywgẖyrtwmwrymrimgẖzy AT nạhydcẖgny ạrzyạbyạlgwrytmhạyyạdgyrymạsẖynbrạypysẖbynytṣạwyrtwmwrywgẖyrtwmwrymrimgẖzy AT mḥsnạrsẖdy ạrzyạbyạlgwrytmhạyyạdgyrymạsẖynbrạypysẖbynytṣạwyrtwmwrywgẖyrtwmwrymrimgẖzy |