@article { author = {Jafarkhah Seighalani, Dorsa and Yazdi, Mehran and Faghihi, Mohammad}, title = {Brain Tumor Detection using Fusion of MRI and CT Scan Images based on Deep Learning Feature Extraction Methods}, journal = {Iranian Journal of Biomedical Engineering}, volume = {14}, number = {4}, pages = {267-276}, year = {2021}, publisher = {Iranian Society for Biomedical Engineering}, issn = {5869-2008}, eissn = {9685-8006}, doi = {10.22041/ijbme.2020.123852.1583}, abstract = {Cancer is one of the most common diseases at the present time. Among different types of this disease, brain cancer has a high fatality rate and accurate and timely diagnosis of it, can have a major impact on the patient’s life. Doctors need MRI and CT scan of brain to diagnose this condition. A precise image processing technique can help the medical specialists and speed up the diagnosis process. Many methods have been proposed to recognize brain tumors in medical images; however their accuracies were not acceptable. In fact, low accuracy is a result of the similarities between brain and tumor tissue. In this paper we propose a tumor recognition method using fusion of MRI and CT Scan images. This method exploits a deep learning based feature extraction algorithm that helps to distinguish tumors from brain tissue. Tumor recognition and accuracy calculation is performed for three common types of brain tumors (glioma, meningioma, and pituitary tumor). Our results show a great improvement of performance in comparison to related works. }, keywords = {MRI Image,CT Scan Image,Image fusion,Brain Cancer,Deep Learning,Neural Networks}, title_fa = {تشخیص تومور مغزی با استفاده از تلفیق تصویرهای ام‌آرآی و سی‌تی‌اسکن بر اساس روش‌های یادگیری عمیق}, abstract_fa = {امروزه سرطان یکی از شایع‌ترین بیماری‌ها بوده و سرطان مغز یکی از مهلک‌ترین و مرگ‌آورترین انواع سرطان است که تشخیص درست و به موقع آن تاثیر مهمی در زندگی بیمار دارد. پزشکان برای تشخیص این بیماری به تصویرهای ام‌آرآی و سی‌تی‌اسکن مغز نیاز دارند. تا کنون روش‌های مختلفی برای تشخیص تومور مغزی با استفاده از تصاویر پزشکی ارائه شده است اما این روش‌ها به دلیل شباهت زیاد بافت تومور و سایر بافت‌های مغز از دقت مناسبی برخوردار نیستند. در این مقاله روشی با استفاده از تلفیق تصاویر ام‌آرآی و سی‌تی‌اسکن برای تشخیص سه نوع شایع از تومورهای مغزی (گلیوما، منژیوما و تومور هیپوفیز) پیشنهاد شده است. در این روش از ساختاری بر مبنای یادگیری عمیق استفاده شده تا ویژگی‌های متمایزکننده‌ی بافت مغز و تومور استخراج شود. تصویر تلفیقی به دست آمده دقت تشخیص نوع تومور را افزایش داده و نتایج به دست آمده با استفاده از روش پیشنهادی برتری این روش را نسبت به سایر روش‌ها نشان می‌دهد.}, keywords_fa = {تصویر ام‌آرآی,تصویر سی‌تی‌اسکن,تلفیق تصاویر,سرطان مغز,یادگیری عمیق,شبکه‌ی عصبی}, url = {https://www.ijbme.org/article_46093.html}, eprint = {https://www.ijbme.org/article_46093_b35978f8122b6447967b95cd135bb419.pdf} }