BrainNeXt:使用MRI图像自动检测大脑疾病的新型轻量级CNN模型

科学领域:

• 医学成像和人工智能 医学成像和人工智能
• 神经学和神经科学 神经学和神经科学

背景情况:

• 通过磁共振成像 (MRI) 自动检测脑部疾病对于及时诊断和治疗至关重要.
• 现有的方法可能缺乏可靠的临床应用所需的准确性和效率.

研究的目的:

• 提出BrainNeXt,一种新的卷积神经网络,用于使用MRI自动检测大脑疾病.
• 评估BrainNeXt在各种医疗应用中的性能,包括阿尔茨海默病,慢性缺血和多发性硬化症检测.

主要方法:

• 开发了BrainNeXt,这是一个灵感来自ConvNeXt和Swin Transformers的轻量级分类模型,在定制的MRI数据集上进行训练.
• 实施了使用BrainNeXt的特征工程 (FE) 方法,用于基于补丁的特征提取,然后进行邻近组件分析和支持矢量机器分类.
• 提出了基于补丁的深度特征工程 (DFE) 方法,以进一步提高分类性能.

主要成果:

• BrainNeXt模型实现了高精度:100%的培训,91.35%的验证,94.21%的测试.
• 基于补丁的FE方法表现出强的性能.
• 基于补丁的增强DFE方法实现了99.73%的卓越测试准确度.

结论:

• 拟议的BrainNeXt模型及其相关的特征工程技术显示出大脑疾病检测的显著有效性和高分类性能.
• 结果超过90%的准确性,表明BrainNeXt在现实世界的医学图像分析应用中的潜力.