طبقه بندی تومورهای مغزی توسط هوش مصنوعی
تعدادی از پژوهشگران دانشکده پزشکی دانشگاه واشنگتن یک مدل یادگیری عمیق بوجود آورده اند که با استفاده از یک اسکن ام آر آی سه بعدی می تواند نوع تومور مغزی را از میان شش نوع تومور مغزی رایج، مشخص و طبقه بندی کند.
به گزارش لینک بگیر به نقل از ایسنا و به نقل از اس تی دی، به قول محققان، این نخستین مطالعه ای است که شایع ترین تومورهای درون جمجمه ای را مورد بررسی قرار می دهد و به صورت مستقیم نوع تومور یا عدم وجود تومور در اسکن ام آر آی سه بعدی را مشخص می کند.
گلیوما درجه بالا، گلیوما درجه پایین، متاستازهای مغزی، مننژیوم، آدنوم هیپوفیز و نوروم آکوستیک شش نوع شایع تومور درون جمجمه ای هستند. هر یک از این تومورها از راه صدمه شناسی بافتی که طی آن احتیاج به برداشتن بافت از محل مشکوک به سرطان و بررسی آن زیر میکروسکوپ است، مورد بررسی قرار گرفته است.
"ساتراجیت چاکرابارتی"(Satrajit Chakrabarty) دانشجوی مقطع دکترا و از محققان این مطالعه اظهار داشت: روش های یادگیری ماشینی و یادگیری عمیق با استفاده از داده های ام آر آی می تواند به صورت بالقوه تشخیص داده شده و طبقه بندی تومورهای مغزی را خودکار کنند. ام آر آی غیرتهاجمی امکان دارد بعنوان مکمل یا در بعضی موارد بعنوان جایگزینی جهت بررسی بافت شناسی استفاده گردد.
محققان این مطالعه برای ساخت مدل یادگیری ماشینی شان که "شبکه عصبی پیچشی" (convolutional neural network) نامیده می شود، یک مجموعه داده عظیم از اسکن های ام آر آی سه بعدی درون جمجمه ای را از چهار منبع در دسترس عموم تهیه کردند. شبکه های عصبی پیچشی یا همگشتی(convolutional neural network) رده ای از شبکه های عصبی ژرف هستند که معمولا برای انجام تحلیل های تصویری یا گفتاری در یادگیری ماشین استفاده می شوند.
محققان در مجموع ۲۱۰۵ اسکن به دست آمده را به سه دسته تقسیم کردند: ۱۳۹۶ مورد از آنها برای آموزش، ۳۶۱ مورد برای آزمایش داخلی و ۳۴۸ برای آزمایش خارجی. نخستین مجموعه از اسکن های ام آر آی برای آموزش شبکه عصبی پیچشی برای درک فرق بین اسکن های سالم و اسکن های دارای تومور و طبقه بندی تومورها بر مبنای نوع آنها استفاده شد. محققان عملکرد مدل را با استفاده از داده های اسکن ام آر آی بخش داخلی و خارجی مغز ارزیابی کردند.
در بررسی آزمایش بخش داخلی مغز، مدل توسعه یافته توسط محققان در تشخیص نوع تومور به دقت ۹۳.۳۵ درصد دست یافت. در بررسی آزمایش بخش خارجی مغز که فقط شامل دو نوع تومور (گلیوم درجه بالا و گلیوم درجه پایین) بود مدل دارای دقت ۹۱.۹۵ درصد بود.
چاکرابارتی اظهار داشت: نتایج مطالعه ما از آن حکایت می کند که یادگیری عمیق یک رویکرد امیدوار کننده برای طبقه بندی و ارزیابی خودکار تومورهای مغزی است.
منبع: لینك بگیر
این مطلب را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب