使用混合转移学习和补丁天线增强微波成像的脑瘤检测
Deebu Usha Sudhakaran1, Sreeja Thanka Swami Kanaka Bai2
1Department of Electronics and Communication Engineering, Noorul Islam Centre for Higher Education, Kanyakumari, Tamil Nadu, India.
概括
这项研究引入了一种新的混合转移学习方法,与微波成像相结合,用于脑瘤检测. 这种由人工智能驱动的系统实现了高精度,提供了一个有前途的非侵入性诊断工具.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 大脑瘤在医疗保健中是一个重大挑战,需要早期检测和精确的监测才能有效治疗.
- 目前的诊断方法,如MRI和CT扫描都有局限性.
- 需要创新的,非侵入性的诊断技术.
研究的目的:
- 提出一项创新技术,将混合转移学习与改进的微波成像用于脑瘤检测.
- 利用预训练的深度学习模型进行特征提取和补丁天线进行高分辨率成像.
- 开发基于人工智能的检测模型,用于有效的脑瘤分类.
主要方法:
- 开发用于SAR分析和特征提取的补丁天线和头幻影模型.
- 使用MobileNet V2进行图像分析的AI检测模型的实施.
- 在MobileNet V2中使用深度可分离的卷积和倒置的残余块来进行高级特征提取.
- 使用带有提取特征的完全连接层来对脑瘤进行分类.
主要成果:
- 开发的模型在模拟中表现出了卓越的性能.
- 实现了准确度为98.44%,精度为98.03%,回忆率为99.00%,F1得分为98.52%,特异性为97.82%.
- 混合转移学习方法在脑瘤检测方面被证明是有效的.
结论:
- 拟议的方法为非侵入性实时脑瘤检测提供了一个有前途的解决方案.
- 这种技术利用了大脑组织的电磁特性和AI能力.
- 它解决了与传统诊断方法 (如MRI和CT扫描) 相关的局限性.
