بخشی از مقاله
چکیده
رشد نامحدود و غیر قابل کنترل سلول ها در مغز باعث ایجاد انواع ضایعات مغزی و از جمله تومور می شود. تومورهای مغزی اگر تحت درمان مناسب و به موقع قرار نگیرند، می توانند باعث باعث مرگ بیمار گردند. از آنجایی که در کلیه روش های درمان، اطلاع از مکان و اندازه تومور در موفقیت موثر است، رسیدن به روشی دقیق و تمام خودکار که این اطلاعات را به پزشک دهد بسیار مهم و حائز اهمیت می باشد. تومورهای مغزی یکی از مهمترین موارد مرگ و میر در انواع سرطان ها می باشند، بنابراین مطالعه تومورهای مغزی مهم می باشد. تصاویر MRI در تشخیص تومورهای مغزی استفاده می شوند. تحلیل تومورهای مغزی توسط پزشکان صورت می گیرد اما پزشکان روشی برای پیدا کردن تومورهای مغزی که بتواند به صورت استاندارد مورد استفاده قرار گیرد، دراختیار ندارند. رادیولوژیست ها از تصاویر رزونانس مغناطیسی اطلاعاتی نظیر مکان تومور را بدست می آورند که یک راه آسان برای تشخیص تومور جهت ارائه طرحی برای جراحی و پرتودرمانی برای رفع تومور می باشد. روش های گوناگونی به منظور پیدا کردن تومور معرفی شده اند که هر کدام نتایج گوناگونی روی هر تصویر دارند. در این پروژه، ابتدا از تبدیل موجک گسسته دو بعدی جهت استخراج ویژگی استفاده شده است. در گام بعد جهت کاهش ویژگی از الگوریتم PCA استفاده شده است. در نهایت جهت طبقه بندی از ANFIS استفاده شده است. نتایج بررسی نشان می دهد، روش پیشنهادی دارای دقت 97 درصد است.
-1 مقدمه
استفاده از سیستمهای تشخیص پزشکی هوشمند در تشخیص بیماری های مغزی، به عنوان دستیاری در کنار پزشکان و رادیولوژیست ها علاوه بر کمک شایان به آنها، راه را برای شناسایی دقیق و عاری از خطا برای شناسایی و تفکیک این بیماری ها از سایر بیماری های مشابه، هموار میسازد .[2, 1] این سیستمها رادیولوژیست ها و پزشکان را در تشخیص مطمئن بیماری ها کمک می کنند. یکی از مهمترین تحقیقات انجام شده در این زمینه، طراحی سیستم های تشخیص هوشمند جهت تشخیص انواع بیماری های مغزی از روی تصاویر MRI می باشد. بنابراین هدف اصلی ما از ارائه این مقاله، ارائه یک الگوریتم هایبرید هوشمند جهت تشخیص بیماری های مغزی بصورت هوشمند می باشد .[3]
.1-1 معرفی
پیشرفت تصویر برداری پزشکی و روش های تصویر برداری نقش مهمی در ارزیابی بیماران مبتلا به تومور مغزی ایفا می کند و نقش مهمی در برابر کمک به بیماران را دارد . در سال های اخیر ظهور روش های جدید تصویربرداری مانند اشعه ایکس، سونوگرافی، توموگرافی کامپیوتری و تصویربرداری رزونانس مغناطیسی نه تنها جنبه های دقیق و کامل تومورهای مغزی را به ما نشان می دهد. در میان این روش ها، تصاویر تشدید مغناطیسی به علت غیر تهاجمی بودن عملیات تهیه تصاویر و کنتراست خوب از بافت نرم بطور خاصی در برابر سایر روش های تصویر برداری مورد توجه قرار گرفته است .[5, 4] این تصاویر اطلاعات ارزشمندی را در مورد شکل، اندازه و محل تومورهای مغزی، بدون قرار دادن فرد بیمار در معرض تابش یونیزاسیون بالا را برای ما فراهم می کند. پزشکان بالینی از روی تصاویر تشدید مغناطیسی تومورهای مغزی را ارزیابی و درمان می کنند. بنابراین ارزیابی تومورهای مغزی با روش های تصویربرداری درحال حاضر یکی از مسائل کلیدی از بخش های رادیولوژی است. در حال حاضر یکی از مشکلات پزشکان و رادیوژیست ها در تشخیص دقیق انواع ضایعات مغزی است. در این مقاله از یک تکنیک جدید برای تشخیص انواع ضایعات مغزی از روی تصاویر MRI مغز، با استفاده از ANFIS استفاده استفاده شده است. در ادامه این مقاله، در بخش 2، تاریخچه مختصری در مورد بیماری های مغزی ارائه می گردد. در بخش 3، الگوریتم روش پیشنهادی معرفی شده است . سپس در این بخش، بررسی مختصری بر روی الگوریتم های روش پیشنهادی انجام می شود. در بخش 4، ارزیابی عملکرد روش پیشنهادی مورد بررسی قرار می گیرد. در نهایت، در بخش 5 نتایج آمده است.
.2 تاریخچه
ناهنجاری های مغزی و از جمله تومور مغزی یکی از دلایل عمده مرگ و میر در میان کودکان و بزرگسالان در سراسر دنیا بوده است و همواره در شمار بیماری های کشنده مطرح می گردد. طبق امار سالانه، تومورهای مغزی اولیه در امریکا 7 تا 19 مورد در هر 000،100 نفر است. در سنین صفر تا چهار سال شیوع آن 3/1 در هر 000،100 نفر بوده که در سنین 15 تا 24 سالگی کاهش و بعد به تدریج افزایش یافته و در سنین 65 تا 79 سالگی به میزان 18 تا 19 مورد در هر 000،100 نفر می رسد. تومورهای اولیه سیستم عصبی مرکزی، سومین علت مرگ در سنین پانزده تا 35 سالگی و دومین بیماری نئوپلاستیک در افراد زیر 15 سال محسوب می شوند. در سال 2012 مرکز ثبت تومور مغزی آمریکا در یک گزارش آماری نشان داد تومور مغزی دومین علت اصلی سرطان هایی است که موجب مرگ و میر افراد زیر 20 سال و مردان 20 تا 39 سال می شود .
[7, 6] مکان بیماری های مغزی و از جمله تومور مغزی و از طرف دیگر توانایی انتشار سریع آن موجب می شود که درمان با جراحی یا پرتو درمانی همچون نبرد با دشمن مخفی در یک میدان مین باشد. چرا که تومور مغزی بیماری است که در آن سلول ها به طور غیر قابل کنترلی رشد می کنند. می توان تومورهای مغزی را به دو دسته ی خوش خیم و بد خیم دسته بندی کرد. معمولا اگر تومور مغزی خوش خیم درمان نشود این احتمال وجود دارد که به تومور بدخیم تبدیل شود. با توجه به مطالب ذکر شده، استفاده از یک سیستم تشخیص کامپیوتری شناسایی ضایعات مغزی در مراحل اولیه آنها بسیار مهم می باشد. در بخش بعد، روش پیشنهادی برای تشخیص هوشمند ضایعات مغزی از تصاویر MRI مورد بررسی قرار خواهد گرفت.
.3 روش پیشنهادی
بلوک سیستم تشخیص کامپیوتری پزشکی ضایعات مغزی در شکل - 1 - نشان داده شده است .[10, 9, 8]
دیتای ورودی
استخراج ویژگی
کاهش ویژگی و انتخاب ویژگی
طبقه بندی
شکل :1 بلوک دیاگرام پیشنهادی
همانطور که در شکل - 1 - ملاحظه می گردد، در بخش اول دیتای ورودی به سیستم بازشناسی الگو مورد نظر وارد می شود. در مرحله دوم عملیات استخراج ویژگی از دیتای ورودی صورت می گیرد. در مرحله سوم، کاهش و انتخاب ویژگی انجام می شود. در نهایت، در مرحله نهایی طبقه بندی دیتای ورودی صورت می گیرد. در ادامه، هر یک از مراحل شکل فوق مورد بررسی قرار خواهند گرفت.
.1-3 دیتای ورودی
اولین و یکی از مهمترین بخش از یک سیستم تشخیص پزشکی، دیتای ورودی می باشد. در بحث تشخیص بیماری های مغزی، دیتاهای زیادی وجود دارد. در این فصل از پژوهش، از یک پایگاه داده استاندارد استفاده شده است.. دیتای مورد نظر در این پروژه از نوع تصاویر MRI می باشد. پایگاه داده مورد نظر شامل 40 تصویر و شامل 4 کلاس مختلف می باشد که با استفاده از آن می توان 3 بیماری مختلف را تشخیص داد. نوع بیماری های مغزی موجود در این پایگاه داده شامل بیماری های مننژیوم1، بیماری پیک2، بیماری تومور بدخیم بافت پیوندی3 و نمونه نرمال4 می باشد. در شکل - 2 - ، تعدادی از تصاویر نشان داده شده است.
