在MRI图像上使用平衡优化器与深度学习方法进行自动脑瘤识别
Mahmoud Ragab1, Iyad Katib2, Sanaa A Sharaf2
1Information Technology Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah, 21589, Saudi Arabia. mragab@kau.edu.sa.
Scientific reports
|November 28, 2024
概括
这项研究引入了一种新的AI方法,用于在MRI扫描中识别脑瘤. 该BTR-EODLA技术达到98.78%的准确性,提高了诊断能力.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 深度学习 (Deep Learning) 是一种深度学习.
背景情况:
- 由于其位置,脑瘤 (BT) 构成重大健康风险.
- 人工智能 (AI),包括深度学习 (DL) 和机器学习 (ML),为疾病诊断和治疗提供了先进的工具.
- 人工智能分析大脑磁共振成像 (MRI) 来识别和分类瘤,帮助医疗专业人员进行诊断和治疗计划.
研究的目的:
- 开发和验证一种新的AI技术,用于在MRI图像中准确识别脑瘤.
- 通过使用深度学习和优化算法,提高脑瘤的早期检测和分类.
主要方法:
- 使用带有深度学习方法的平衡优化器 (BTR-EODLA) 技术进行脑瘤识别.
- 在MRI图像中使用中位过 (MF) 来降低噪声.
- 挤压激发ResNet (SE-ResNet50) 提取特征,由平衡优化器 (EO) 优化,并使用堆叠自编码器 (SAE) 进行瘤检测.
主要成果:
- BTR-EODLA技术在脑瘤识别方面表现出很高的表现.
- 实验验证显示,与现有模型相比,精度高达98.78%.
- 该方法在MRI扫描中有效识别脑瘤的存在.
结论:
- BTR-EODLA技术提供了一个高度准确和有效的解决方案,用于使用人工智能和MRI数据的深度学习来检测脑瘤.
- 这种人工智能驱动的方法有可能显著提高神经瘤学的诊断准确性和患者管理.
