评估大脑瘤检测技术和推神经网络的建议
Sandeep Dwarkanath Pande1, Shaik Hasane Ahammad2, Boddapati Taraka Phan Madhav3
1MIT Academy of Engineering, Pune, India.
Biomedizinische Technik. Biomedical engineering
|January 29, 2024
概括
这项研究比较了用于脑瘤分类的深度神经网络架构. 囊网络 (CapsNet) 和VGG16在有效的脑瘤检测系统方面显示出有希望的结果.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 脑瘤分类是计算机辅助诊断中的一个复杂的任务.
- 深度神经网络的进步为改进的大脑瘤检测系统 (BTDS) 提供了潜力.
研究的目的:
- 展示BTDS的最新进展,并激发新的架构.
- 为了评估和比较深度神经网络的性能,用于脑瘤分类.
主要方法:
- 利用多模式脑瘤细分数据.
- 配置和评估囊网络 (CapsNet) 和其他深度神经网络 (VGG16,VGG19,ResNet152,MobileNet,MobileNetV2).这些网络包括:
主要成果:
- 卡普斯网和VGG16实现了最高的f1分数和精度.
- 虽然VGG16和VGG19是有效的,但它们的计算速度较慢.
- 在ResNet152,MobileNet和MobileNetV2中,f1得分较低.
结论:
- 建议使用CapsNet和VGG16来有效检测脑瘤.
- 未来的研究应该探索增强瘤检测的新架构.
更多相关视频
06:44Modeling Brain Metastases Through Intracranial Injection and Magnetic Resonance Imaging
Published on: June 7, 2020
7.3K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
