I-Brainer:人工智能/物联网 (AI/IoT) 驱动的大脑癌症检测
Abdullahi Umar Ibrahim1,2, Ikedichukwu Onyemaucheya Nwaneri3, Mercel Vubangsi4,5
1Department of Biomedical Engineering, Near East University, Mersin 10, Nicosia 99010, Turkey.
Current medical imaging
|February 7, 2025
概括
这项研究引入了I-Brainer框架,用于使用AI/IoT驱动的MRI分类来早期检测脑瘤. EfficientNet+SVM模型实现了99%的AUC,有助于远程患者诊断和专家确认.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 机器学习 机器学习
背景情况:
- 大脑瘤具有攻击性,导致低生存率和高死亡率.
- 准确和早期诊断至关重要,以防止治疗不当并改善患者的治疗结果.
- 开发先进的检测技术对于及时干预至关重要.
研究的目的:
- 提出一个人工智能/物联网 (AI/IoT) 驱动的框架,I-Brainer,用于对大脑磁共振成像 (MRI) 进行分类.
- 为了准确地将脑部MRI扫描分为四类:没有瘤,垂体,脑膜瘤和质瘤.
- 评估和比较各种AI模型用于脑瘤检测的性能.
主要方法:
- 使用了Br35H+SARTAJ脑MRI数据集,包括7023张图像.
- 从头开始开发了一个LeNet模型,并实施了预先训练的EfficientNet和ResNet-50模型.
- 集成的特征提取与k-近邻 (KNN) 和支持向量机 (SVM) 分类器.
主要成果:
- EfficientNet+SVM模型实现了最高的曲线下的面积 (AUC) 99%.
- ResNet-50-KNN模型显示出卓越的准确性,在测试数据集上达到94%.
- 对比分析强调了不同AI方法在脑MRI分类中的有效性.
结论:
- I-Brainer框架为脑瘤分类提供了一个强大的解决方案.
- 这项技术可以为偏远地区的患者提供诊断能力.
- 它作为医学专家在诊断脑瘤时的宝贵确认工具.
