استرجاع أورام الدماغ المعتمد على المحتوى لصور الرنين المغناطيسي باستخدام التعلم العميق

تقدم هذه الورقة نظام استرجاع صور آلي معتمد على المحتوى (CBIR) لأورام الدماغ على صور الرنين المغناطيسي المعزز بتباين T1. التحدي الرئيسي في أنظمة CBIR لصور الرنين المغناطيسي هو الفجوة الدلالية بين المعلومات البصرية منخفضة المستوى التي تلتقطها آلة الرنين المغناطيسي والمعلومات عالية المستوى التي يدركها المقيّم البشري. تركّز طرق استخراج الميزات التقليدية فقط على الميزات منخفضة أو عالية المستوى وتستخدم بعض الميزات التي تم تصميمها يدويًا لتقليل هذه الفجوة. من الضروري تصميم إطار لاستخراج الميزات لتقليل هذه الفجوة دون استخدام ميزات مصممة يدويًا عن طريق ترميز/دمج الميزات منخفضة المستوى وعالية المستوى. يعد التعلم العميق قوياً جداً لتمثيل الميزات التي يمكن أن تُظهر المعلومات منخفضة المستوى وعالية المستوى بشكل كامل وتدمج مرحلة استخراج الميزات في التعلم الذاتي. لذلك، نقترح إطارًا جديدًا لاستخراج الميزات قائمًا على شبكة عصبية تلافيفية عميقة VGG19 ونطبق تعلم المقياس المغلق لقياس التشابه بين صورة الاستعلام وصور قاعدة البيانات. علاوة على ذلك، فإننا نعتمد التعلم بالنقل ونقترح استراتيجية ضبط دقيق على مستوى الكتل لتعزيز أداء الاسترجاع. تم إجراء تجارب واسعة على مجموعة بيانات CE-MRI المتاحة للجمهور والتي تتكون من ثلاثة أنواع من أورام الدماغ (أي، الورم الدبقي، ورم السحايا، ورم الغدة النخامية) تم جمعها من 233 مريضًا مع مجموع 3064 صورة عبر المشاهد المحورية، والتاجية، والسهمية. طريقتنا أكثر عمومية، حيث أننا لا نستخدم أي ميزات مصممة يدويًا؛ تحتاج إلى معالجة مسبقة الحد الأدنى، تم اختبارها كقادرة على التحمل في التحقق المتقاطع بخمسة أضعاف، يمكن أن تحقق دقة متوسطة بمعدل دقة 96.13%، وتتفوق على أنظمة CBIR الرائدة في مجموعة بيانات CE-MRI.