چکیده
امروزه، کشف نقایص خودکار در تصاویر MR در بسیاری از کاربردهای تشخیصی و درمانی بسیار مهم است. بعلت داده های با کمیت بالا در تصاویر MR و کرانه های محو شده، قطعه بندی و طبقه بندی تومور بسیار سخت است. این مقاله یک روش خودکار کشف تومور مغزی را معرفی می کند تا صحت و بازدهی را افزایش دهد و زمان تشخیصی را کاهش دهد. هدف طبقه بندی بافت ها در دو دسته از تصاویر هنجار و ناهنجار MR است که در اینجا استفاده شده بود تصاویر MR از بافت های مغزی هنجار و ناهنجار هستند. اینجا، این سعی شد تا توصیف آشکاری را از بافت های مغزی با استفاده از زمان زرنیک، نامتغیرهای زمان هندسی، انرژی، انتروپی، تباین و برخی مشخصات استاتیک دیگر همچون میانگین، میانه، واریانس، همبستگی، مقادیر شدت حداکثر و حداقل ارائه می دهد. این از روش انتخاب مشخصه استفاده می کند تا مشخصه فضا را همچنین کاهش دهد. این روش از شبکه عصبی استفاده می کند تا این طبقه بندی را انجام دهد. هدف از این پروژه در طبقه بندی بافت های مغزی در دسته های هنجار و ناهنجار بطور اتوماتیک است، که زمان پتوشناسی، افزایش صحت و بازدهی تشخیصی را حفظ می کند.
روش مبنی بر شبکه عصبی برای کشف نابهنجاری مغزی در تصاویر Mr با استفاده از زمان های زرنیک و زمان های هندسی