智能脑瘤诊断系统利用深层卷积神经网络进行诊断
1Department of Computer Engineering, Eskisehir Osmangazi University, Eskisehir, Turkey.
Multimedia tools and applications
|June 26, 2023
概括
这项研究开发了一种先进的卷积神经网络 (CNN) 用于脑瘤诊断,实现高精度. 这种人工智能系统有助于早期发现癌症,改善患者管理.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 在瘤学瘤学.
背景情况:
- 早期癌症诊断对于有效的治疗和患者的治疗结果至关重要.
- 磁共振成像 (MRI) 是一种主要的诊断工具,但其局限性导致延迟.
- 计算机辅助智能系统有可能提高诊断的准确性和速度.
研究的目的:
- 开发和评估基于卷积神经网络 (CNN) 的系统用于脑瘤诊断.
- 改进现有的深度学习架构,用于医学图像分析.
- 用最先进的模型来评估系统的性能.
主要方法:
- 使用EfficientNetv2s架构为CNN模型,增强了Ranger优化和广泛的预处理.
- 将拟议的模型与ResNet18,ResNet200d和InceptionV4.4进行比较.
- 在增强和原始脑瘤成像数据上评估性能.
主要成果:
- 实现了微平均测试准确率为99.85%和曲线下的面积 (AUC) 为99.89%.
- 证明了高精度 (98.16%),回忆 (98.17%) 和F1得分 (98.21%).
- 与其他架构相比,改进的CNN模型对瘤分类产生了重大影响.
结论:
- 开发的CNN系统在脑瘤检测和诊断方面表现令人信服.
- 这种由人工智能驱动的方法可以帮助医生,潜在地减少诊断延迟.
- 这项技术有望通过精确的成像分析来改善早期癌症管理.
