使用集体深度学习模型进行高效的大脑瘤等级分类
Sankar M1, Baiju Bv2, Preethi D3
1Department of Electronics and Communication Engineering, Vel Tech Rangarajan Dr, Sagunthala R&D Institute of Science and Technology, Chennai, India.
BMC medical imaging
|November 2, 2024
概括
这项研究引入了一个深度学习模型,用于使用MRI扫描来准确检测和分类脑瘤. 该模型在识别瘤类型和恶性瘤方面实现了高精度,提高了诊断效率.
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:
- 早期发现脑瘤对于成功治疗和患者的生存至关重要.
- 磁共振成像 (MRI) 提供了详细的脑结构视图,对于识别异常至关重要.
- 由于大量的数据,手动分析MRI扫描具有挑战性,需要自动化解决方案.
研究的目的:
- 开发一种深度学习模型,使用MRI对脑瘤等级图像 (BTGC) 进行分类.
- 为了提高诊断不同级别脑瘤的准确性和效率.
主要方法:
- 使用MobileNetV2模型从MRI图像中提取特征.
- 在六个标准的Kaggle脑瘤MRI数据集上训练并验证了模型.
- 实施了用于脑瘤检测和分类的两组系统.
主要成果:
- 该模型在检测脑瘤方面实现了99.85%的准确性.
- 以99.87%的准确度区分良性和恶性瘤.
- 分类瘤类型 (脑膜瘤,垂体瘤,质瘤) 的准确率为99.38%.
结论:
- 开发的深度学习技术在脑瘤检测和分类方面具有显著的实用性.
- 该模型提高了诊断的准确性和效率,有助于及时规划治疗.
- 这种人工智能驱动的方法为传统诊断方法提供了一个有希望的,非侵入性的替代方案.
