提高脑瘤检测:一种新的CNN方法,具有高级激活功能,用于准确的医学成像分析
Reham Kaifi1,2,3
1Department of Radiological Sciences, College of Applied Medical Sciences, King Saud bin Abdulaziz University for Health Sciences, Jeddah, Saudi Arabia.
Frontiers in oncology
|October 7, 2024
概括
一个具有修改软信号激活功能的新型卷积神经网络 (CNN) 实现了97.6%的准确性,从MRI扫描中识别四种脑瘤类型. 这种人工智能工具有助于准确诊断脑瘤.
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:
- 大脑瘤存在重大健康风险和高死亡率.
- 磁共振成像 (MRI) 对于大脑可视化和瘤检测至关重要.
- 使用卷积神经网络 (CNN) 的计算机辅助诊断 (CAD) 系统在医学图像分析方面表现出色.
研究的目的:
- 开发和评估用于脑瘤分类的先进CNN架构.
- 研究九种激活功能的有效性,包括一种新的软标志变体,以提高诊断准确度.
主要方法:
- 一个CNN模型被训练和测试使用九个不同的激活功能.
- 该数据集包括四种脑瘤类型和健康病例的磁共振成像 (MRI) 扫描.
- 使用准确性,灵敏性和特异性指标来评估性能.
主要成果:
- 通过修改软标志激活功能,CNN的整体准确率达到了97.6%.
- 特定的瘤检测灵敏度包括93.7%的质瘤,97.4%的脑膜瘤,98.8%的无瘤病例和100%的下垂体瘤.
- 拟议的模型在区分各种脑瘤类型方面表现出高效.
结论:
- 开发的CNN模型具有新型激活功能,显示出用于准确诊断脑瘤的巨大潜力.
- 这种由人工智能驱动的工具可以作为放射科医生和临床医生的宝贵补充资源.
- 这些发现强调了人工智能在医疗诊断中的进步,以改善患者的治疗结果.
