ترجمه مقاله یک چارچوب متوالی برای دسته بندی تومور مغزی: CNNN-LSTM – سال 2018
مشخصات مقاله:
عنوان فارسی مقاله:
یک چارچوب متوالی برای دسته بندی تومور مغزی: CNNN-LSTM
عنوان انگلیسی مقاله:
CNN-LSTM: Cascaded Framework For Brain Tumour Classification
کلمات کلیدی مقاله:
گلیما، شبکه‌های عصبی پیچشی (CNN)، دسته‌بندی، LSTM، VGG-16
مناسب برای رشته های دانشگاهی زیر:
پزشکی
مناسب برای گرایش های دانشگاهی زیر:
ایمنی شناسی پزشکی، خون و آنکولوژی
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
I) مقدمه
II) مرور کارهای پیشین
III) مواد و روش ها
الف) VGG-16 برای استخراج ویژگی
ب) LSTM برای دسته‌بندی
ج) طراحی شبکه و دیتاست
IV) نتایج و بحث
V) نتیجه‌گیری و کارهای پیش رو
قسمتی از مقاله انگلیسی و ترجمه آن:
Abstract
Glioma is common type of brain tumour in adults originating from glia cell. Despite advances in medical image analysis and gliomas research, accuarte diagnosis remains a challenge. Gliomas can be in general classifed into High Grade (HG) and Low Grade (LG). The exact classification of glioma helps in evaluating the disease progression and selection of the treatment strategy. Whilst medical image classification using a Convolutional Neural Networks (CNNs) has achieved remarkable success, but it is still difficult task for CNNs to accurately classify 3D medical images. One of the major limitation is the fact that CNNs are difficult to optimize in 3D volumetric classification. In current work, we addressed this challenge by introducing a cascade of CNN with Long Short Term Memory (LSTM) Network for classification of 3D brain tumor MR images into HG and LG glioma. Features from pre-trained VGG-16 were extracted and fed into LSTM network for learning high-level feature representations to classify the 3D brain tumour volumes into HG and LG glioma. The results showed that the features extracted from VGG-16 gave better classification accuracy as compared to the features extracted from AlexNet and ResNet.
I. INTRODUCTION
Abnormal growth of cells in the brain results in a mass, which pushes on the normal structures in the brain. This abnormal mass grows quickly and creates a mass of abnormal cells called a tumour. Brain tumours vary in shape, size and severity level. They are heterogeneous in nature i.e. they can occur anywhere in the Central Nervous System (CNS) and have different Image Intensities. The most frequent brain tumours in adults are gliomas. The abnormal growth of the glial cell in the brain that surrounds the neurons results in the formation of gliomas[1].
چکبده
گلیما یکی از رایج‌ترین تومور‌های مغزی در بزرگسالان است که از سلول‌های گلیا نشات (سرچشمه) می‌گیرد. علیرغم پیشرفت‌های موجود در حوزه تحقیقاتی گلیما و آنالیز تصاویر پزشکی، مسئله عیب‌یابی دقیق، یکی از چالش‌های موجود است. در حالت کلی می‌توان گلیما را به دو دسته‌ی درجه بالا و درجه پایین ، تقسیم‌بندی می‌شود. دسته‌بندی دقیق گلیما به ارزیابی میزان پیشرفت بیماری و انتخاب استراتژی درمان، کمک می‌کند. علیرغم اینکه دسته‌بندی تصاویر پزشکی با استفاده از شبکه‌های عصبی پیچشی توانسته است به موفقیت‌های قابل ملاحظه‌ای دست یابد، اما همچنان استفاده از این شبکه‌ها برای دسته‌بندی تصاویر سه بعدی (3D) یکی از کارهای دشوار میباشد. یکی از محدودیت‌های اصلی این شبکه‌ها، سختی بهینه‌سازی دستبه‌بندی حجمی سه بعدی در شبکه‌های CNN است. ما در این تحقیق، با معرفی یک ساختار متوالی که از توالی شبکه CNN و شبکه حافظه بلند‌مدت حاصل گردیده است، این چالش را برای دسته‌بندی تصاویر MR تومور مغزی (دسته‌بندی به دو دسته‌ی LG و HG) مورد ملاحظه قرار داده‌ایم. ویژگی‌ها با استفاده از VGG-16 پیش آموزش داده شده، استخراج شده و به یک شبکه LSTM داده می‌شود تا برای دسته‌بندی تصاویر گلیما به دو دسته HG و LG، ویژگی‌های سطح بالا استخراج گردد. نتایج نشان داد که استخراج ویژگی‌ها با استفاده از VGG-16 در مقایسه با ویژگی‌های استخراج شده توسط شبکه الکس و شبکه رست ، دارای عکلکرد بهتری است.
I) مقدمه
رشد بیش از حد سلول‌های مغزی،باعث ایجاد توده‌ای می‌شود که این توده‌ای می‌شود که این توده بر روی ساختار‌‌های طبیعی موجود در مغز فشار ایجاد می‌کند. این توده غیرنرمال، به سرعت رشد کرده و یک توده از سلول‌های غیرنرمال ایجاد می‌کند که این توده، تومور نامیده می‌شود. تومور‌های مغزی از نظر اندازه و سایز و میزان وخیم بودن، با یکدیگر تفاوت دارند. ذات این تومور‌ها ناهمگن است یعنی ممکن است در هر جایی از سیستم عصبی مرکزی ایجاد شوند و چگالی تصویر در آن ها با یکدیگر متفاوت است. بیشتری تومور‌های مغزی در بزرگسالان، تومور گلیماس است. رشد بیش ازحد سلول‌های گلیا در مغز که نورون‌ها را احاطه کرده اند، منجر به ایجاد گلیماس می‌شود [1].
