検知から診断まで:脳腫瘍分析のためのMRI画像のための形態学的ポスト処理によるYOLO11を用いた高度な転送学習パイプライン

科学分野:

• 医療画像と診断
• 医療における人工知能
• 神経腫瘍学

背景:

• MRIによる正確な脳腫瘍検出は不可欠ですが,データ不足とモデルの複雑さにより困難です.
• ディープラーニングモデルは 計算上の要求と腫瘍形態学の異質性に直面しています
• 脳腫瘍の信頼性の高い自動診断システムを 開発することは依然として大きな課題です

研究 の 目的:

• 脳腫瘍の検出と分類のための 堅牢でスケーラブルなディープラーニングの枠組みを提案する.
• 自動神経腫瘍診断の精度と効率を高めるため
• リアルタイムでの使用のための解釈可能な臨床的決定支援ツールを開発する.

主な方法:

• 強化されたYOLO-v11アーキテクチャを使用し,2段階の転送学習戦略を使用しました.
• 大きなMRIデータセットでベースモデル (BTDM) を訓練し,より小さなデータセットでそれを微調整 (BTDS).
• ゲオメトリック変換を含む,ドメイン固有のデータ拡張を実装し,一般化を改善しました.

主要な成果:

• 平均精度 (mAP@0.5) の高得点:BTDMでは最高93.5%,BTDSでは最高91.
• 既存の最先端の治療法よりも,様々な腫瘍タイプ (膠原腫,髄膜腫,下垂体) に優れている.
• セグメンテーションマスクと臨床メトリック抽出 (サイズ,重症度) の後処理モジュールを開発しました.

結論:

• 提案された枠組みは,脳腫瘍の検出と分類において高い性能と堅実性を示しています.
• このシステムは 意思決定支援ツールとして 解釈しやすさを高め 臨床展開の可能性も提供しています
• このアプローチはインテリジェントなリアルタイム 神経腫瘍診断を 進歩させています