تشخیص تومورهای مغزی خوش‌خیم و بدخیم از تصاویر MRI، چالشی اساسی در هوش مصنوعی و مهندسی پزشکی است؛ زیرا شناسایی زودهنگام این ضایعات کشنده، نقش تعیین‌کننده‌ای در بهبود بقای بیماران دارد. این پژوهش سیستمی جامع برای تقطیع و طبقه‌بندی خودکار تومورهای مغزی با استفاده از تکنیک‌های پیشرفته پردازش تصویر و یادگیری ماشین ارائه می‌دهد. مجموعه‌داده مورد استفاده، BraTS شامل تصاویر استاندارد MRI با شدت نور، روشنایی و توزیع رنگی یکسان است. روش پیشنهادی با بهره‌گیری از پیش‌پردازش بهینه، استخراج ویژگی‌های چندمقیاسی و مدل یادگیری ماشین تنظیم‌شده، عملکردی برتر نسبت به روش‌های پیشین به‌دست آورد. نتایج ارزیابی نشان‌دهنده دقت تقطیع (Dice Score) ۹۳٫۶۲٪، میانگین مربعات خطا (MSE) ۰٫۸۵، اوج نسبت سیگنال به نویز (PSNR) ۴۱٫۷۰ دسی‌بل و حساسیت ۸۴٫۶۶٪ است. این عملکرد، سیستم پیشنهادی را به‌عنوان ابزاری دقیق و قابل اعتماد برای تشخیص زودهنگام و تقطیع تومور در کاربردهای بالینی معرفی می‌کند.

تومور مغزی بخش بندی طبقه بندی ConvNet شبکه عصبی عمیق منحنی براونیان