提高脑瘤分类的预测,使用图像和数字数据特征
Oumaima Saidani1, Turki Aljrees2, Muhammad Umer3
1Department of Information Systems, College of Computer and Information Sciences, Princess Nourah bint Abdulrahman University, Riyadh 11671, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|August 12, 2023
概括
这项研究引入了先进的AI模型,用于使用图像和数据特征早期检测脑瘤. 这两种模型都达到0.99准确度,显著提高了神经疾病的诊断能力.
科学领域:
- 医学成像分析分析 医学成像分析
- 医疗保健中的人工智能
- 神经系统疾病诊断 神经系统疾病诊断
背景情况:
- 脑瘤是全球死亡的主要原因,需要早期诊断才能有效治疗.
- 准确区分患有瘤和没有瘤的个体对于患者的治疗结果至关重要.
研究的目的:
- 开发和验证人工智能模型,以使用组合成像和数据功能来准确地分类脑瘤.
- 提高神经疾病,特别是脑瘤的早期检测率.
主要方法:
- 图像数据集增强,其次是用于瘤分类的UNet转移学习.
- 使用具有13个特征的投票分类器,包括深层卷积层和综合梯度下降与后勤回归.
主要成果:
- 实现了优越的分类性能,两种拟议模型的准确度分数为0.99.
- 通过与现有的监督学习算法和最先进的模型进行比较,证明了强大的性能.
结论:
- 开发的AI模型在准确诊断脑瘤方面表现出高效.
- 这种方法为早期发现和改善神经疾病管理提供了有前途的工具.
