脳の腫瘍の分類のための多次元的注意とピンホイールコンヴォルションに基づく新しい残留ネットワーク
Jincan Zhang1, Rongfu Lv1, Wenna Chen2
1College of Information Engineering, Henan University of Science and Technology, Luoyang, China.
Scientific reports
|August 23, 2025
まとめ
新しい Res-MAPNet モデルは高度な注意と収縮技術を用いて 脳腫瘍の分類を改善します このAIアプローチは高い精度で 医療診断の強力なツールとなります
科学分野:
- 医学画像分析
- 医療における人工知能
- 神経腫瘍学
背景:
- 脳腫瘍の正確な分類は 効果的な治療に不可欠です
- 医学イメージングにおけるコンボリューションニューラルネットワーク (CNN) は,特性の抽出と重要な詳細に焦点を合わせることに制限があります.
- 診断の正確さを高めるために,既存の方法は強化する必要があります.
研究 の 目的:
- マグネット共振画像 (MRI) による脳腫瘍分類のための多次元注意とピンホイールコンボリューション (Res-MAPNet) に基づく新しい残留ネットワークを導入する.
- 医療画像分析における重要な情報に重点を置く.
- コンピュータによる診断システムの 効率的かつ堅牢なソリューションを開発する.
主な方法:
- コーディネート・ローカル・インフィランス・エンハンスメント・アテンション (CLIA) とピンホイール型アテンション・コンボリューション (PSAConv) のモジュールを含むRes-MAPNetモデルの開発.
- CLIAモジュールはチャネルの注意,空間的注意,および損傷の焦点のための方向意識の位置コードを統合します.
- PSAConvモジュールは,非対称なパッディングとグループ化されたコンヴォルションを使用して,空間的特徴の知覚と受容領域を改善します.
主要な成果:
- Res-MAPNetモデルは,脳腫瘍の3つのクラス分類で99. 51%,4つのクラス分類で98. 01%の精度を達成しました.
- CLIAとPSAConvモジュールの有意な貢献が示され,ConvNeXtのベースラインをそれぞれ4. 41%と4. 45%上回った.
- 提案されたモデルは,脳腫瘍分類のタスクにおいて既存の主流モデルを上回った.
結論:
- Res-MAPNetはMRIデータを用いて脳腫瘍の分類に効率的で堅牢なソリューションを提供します.
- 新型CLIAとPSAConvモジュールは 機能抽出を効果的に強化し,重要な診断情報に焦点を当てています.
- この研究は,コンピュータによる診断システムにおける臨床応用の可能性のある有望なツールです.
