一个强大的脑瘤检测器使用BiLSTM和Mayfly优化和多级值
Rabbia Mahum1, Mohamed Sharaf2, Haseeb Hassan3
1Department of Computer Science, University of Engineering and Technology Taxila, Taxila 47050, Pakistan.
Biomedicines
|June 28, 2023
概括
这项研究引入了一种先进的AI方法,用于使用MRI扫描检测脑瘤. 这种方法提高了准确性,特别是对于小瘤,为瘤学家提供了一个有前途的工具.
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:
- 传统的脑瘤检测方法耗时,可能会错过小瘤.
- 准确和早期发现脑瘤对于有效治疗至关重要.
- 开发自动化,高效的诊断工具是医学研究的一个关键领域.
研究的目的:
- 通过深度学习提出一种有效和自动化的方法来检测和分类脑瘤.
- 提高识别脑瘤的准确性和效率,特别是较小的瘤.
- 将拟议方法的性能与现有的机器学习和深度学习技术进行比较.
主要方法:
- 使用mayfly优化算法和MRI扫描上的多级卡普尔值进行脑瘤细分.
- 通过面向梯度 (HOG) 和ResNet-V2.2的直方图表进行特征提取.
- 使用双向长期短期记忆 (BiLSTM) 网络将瘤分为垂体,质瘤和脑膜瘤.
主要成果:
- 拟议的方法在Figshare和哈佛数据集上实现了高准确度,精度,回忆,F1得分和AUC.
- 与现有的深度学习 (DL) 和机器学习 (ML) 方法相比,表现出卓越的性能.
- 成功细分和分类脑瘤,增强了小病变的检测能力.
结论:
- 综合细分和特征融合方法在脑瘤检测方面显著改善.
- 这种人工智能驱动的方法显示出临床应用的潜力,特别是在识别微妙或小瘤方面.
- 在医疗保健机构广泛采用之前,建议进一步进行临床验证.
