神经视觉:一个深度学习驱动的网络应用程序,用于使用重量意识决策方法检测脑瘤.
Thota Rishik Sai Santhosh1, Sachi Nandan Mohanty1, Nihar Ranjan Pradhan1
1School of Computer Science and Engineering (SCOPE), VIT-AP University, Inavolu, Amaravati, Andhra Pradesh, India.
Digital health
|May 16, 2025
概括
这项研究引入了一种新的深度学习框架,用于从MRI扫描中准确地分类脑瘤. 该系统使用独特的重量感知机制来实现高诊断精度,改进了传统方法.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 计算神经科学是一种神经科学.
背景情况:
- 准确的脑瘤诊断至关重要,但由于大脑的复杂性而具有挑战性.
- 现有的分类方法可能会与医学共振图像的细微差别作斗争.
研究的目的:
- 开发一个强大的深度学习框架,使用医学共振图像对脑瘤进行分类.
- 引入一种新的重量意识决策机制,以提高多类分类的准确性.
主要方法:
- 使用了四个预训练的深度学习模型:DenseNet169,VGG-19,Xception和EfficientNetV2B2.2.
- 实施了一个权重意识决策模块,该模块基于模型智能的验证分数汇总预测.
- 在训练数据集上训练和微调模型,然后在测试数据集上进行评估.
主要成果:
- 在三个不同的数据集上实现了98.7%,97.52%和94.94%的高准确率.
- 重量意识机制有效地解决了分类中的绑定情况.
- 该框架与传统的基于多数的技术相比,表现优越.
结论:
- 开发的深度学习框架为准确和高效的脑瘤分类提供了一个有希望的解决方案.
- 新的重量意识决策机制提高了分类的稳定性.
- 集成的Web应用程序为研究和非商业用途提供了方便的访问.


