大脑MRI检测和分类:利用卷积神经网络和多层次值.
Rasool Reddy Kamireddy1, Rajesh N V P S Kandala2, Ravindra Dhuli2
1Department of ECE, NRI Institute of Technology (Autonomous), Vijayawada, India.
PloS one
|August 1, 2024
概括
这项研究引入了一种新的脑瘤检测方法,使用增强磁共振 (MR) 图像和卷积神经网络 (CNN). 该方法在识别瘤方面实现了高精度,改善了自动疾病诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算生物学 计算生物学
背景情况:
- 从磁共振 (MR) 图像中检测大脑瘤是具有挑战性的,因为瘤特征的变化.
- 准确的检测对于临床应用和自动疾病诊断至关重要.
- 现有的方法与大脑结构的复杂性和瘤异质性作斗争.
研究的目的:
- 开发和评估一种使用MRI成像准确检测脑瘤的新方法.
- 结合多层次值和卷积神经网络 (CNN) 进行增强的检测.
- 为了改进对脑瘤的自动诊断.
主要方法:
- 使用强度转换增强图像对比度.
- 使用CNN架构将MR图像分为正常和异常类别.
- 通过基于Tsallis (TE) 和差异进化 (DE) 的多级值检测瘤区域.
- 使用形态手术细化瘤细分的细化.
主要成果:
- 获得了大脑MRI图像的99.5%分类准确度.
- 获得了92.84%的子相似系数用于瘤区域检测.
- 与现有最先进的方法相比,表现出优越的性能.
结论:
- 拟议的方法可以有效地从MRI图像中检测大脑瘤.
- CNN和多级值的结合为自动脑瘤诊断提供了一个有前途的方法.
- 这种技术有可能显著帮助临床应用.


