ارزیابی الگوریتم‌های یادگیری ماشین برای پیش‌بینی تصاویر توموری و غیرتوموری MRI مغزی

نویسندگان

1 استادیار، گروه گروه تکنولوژی پرتوشناسی، دانشکده‌ی علوم پزشکی شوشتر، ایران

2 استادیار، گروه علوم پایه، دانشکده‌ی علوم پزشکی شوشتر،شوشتر، ایران

3 استادیار، گروه پرستاری، دانشکده‌ی علوم پزشکی شوشتر، شوشتر، ایران

4 دانشکده‌ی علوم پزشکی شوشتر، شوشتر، ایران

5 دانشیار، گروه فیزیک پزشکی، دانشگاه علوم پزشکی اهواز، اهواز، ایران

doi
10.48305/jims.v42.i778.0674
چکیده

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.