深信 VGG-16 混合模型用于使用MRI图像进行脑瘤分类
G V Sriramakrishnan1, Telagarapu Prabhakar2, Balajee Maram3
1Department of Computer Science and Engineering, Saveetha Institute of Medical and Technical Sciences (SIMATS), Saveetha University, Chennai, Tamil Nadu, India.
NMR in biomedicine
|May 19, 2025
概括
这项研究引入了一种新的深信视觉几何组-16 (DB-VGG-16) 模型,用于从MRI扫描中准确地分类脑瘤. 拟议的方法增强了早期检测和诊断,这对于有效的治疗规划至关重要.
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:
- 准确的脑瘤诊断对于治疗计划至关重要.
- 目前的分类方法面临着MRI扫描变化的挑战,影响准确性和早期检测.
研究的目的:
- 提出和评估一种新的深信视觉几何组-16 (DB-VGG-16) 模型,用于使用MRI进行脑瘤分类.
- 提高脑瘤检测和分类的准确性和可靠性.
主要方法:
- 使用深度信念网络 (DBN) 和视觉几何组-16 (VGG-16) 进行分类.
- 使用图像预处理与双边过和分段通过形态操作.
- 从细分的瘤区域提取统计和纹理特征.
主要成果:
- 在figshare数据集上,DB-VGG-16模型实现了高性能指标.
- 最大特异性为0.918,准确度为0.928,灵敏度为0.903,精度为0.916,F1得分为0.910被记录下来.
- 该模型在通过MRI扫描对脑瘤进行分类方面表现出有效性.
结论:
- 拟议的DB-VGG-16模型为脑瘤分类提供了强大而准确的解决方案.
- 这种方法有可能在早期诊断和脑瘤治疗规划方面发挥重要作用.
