机器学习融合用于质瘤瘤检测
C Gunasundari1, K Selva Bhuvaneswari2
1SRM Institute of Science and Technology, Tiruchirappalli, India. gunasundari.cs@gmail.com.
Scientific reports
|April 2, 2025
概括
这项研究介绍了一种用于早期脑瘤检测和使用MRI扫描进行质瘤分级的深度学习系统. 该框架在分类质瘤方面取得了很高的准确性,有望改善患者护理.
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:
- 早期发现脑瘤对于有效治疗和患者的生活质量至关重要.
- 先进的成像技术有助于明智的临床决策,用于诊断脑瘤.
研究的目的:
- 为能够分类质瘤的瘤检测系统引入一种新的框架.
- 开发和评估一个深度学习模型,用于准确的质瘤分类.
主要方法:
- 获取和分析大脑磁共振图像 (MRI).
- 提取和关键瘤和质瘤特征的独立组件分类.
- 应用深度学习模型来将质瘤分类为脑膜瘤,垂体瘤和质瘤类型.
主要成果:
- 提出的深度学习模型实现了高性能指标:准确率为99.21%,特异性为98.3%,灵敏度为97.83%.
- 成功将质瘤分为三个主要类别.
结论:
- 开发的系统显示了对精确高效的脑瘤检测和分级的巨大潜力.
- 进一步的研究和临床验证是必要的,以确保广泛的适用性和提高患者的存活率.
