使用MRI图像进行脑瘤分类的自动深度学习框架
Muhammad Aamir1, Ziaur Rahman2, Uzair Aslam Bhatti3
1School of Computer Science and Artificial Intelligence, Huanggang Normal University, Huanggang, 438000, Hubei, China. aamirshaikh86@hotmail.com.
Scientific reports
|May 21, 2025
概括
这项研究提出了一种自动化方法,用于在MRI扫描中检测脑瘤,显著提高诊断准确性和效率. 这种新的方法提高了图像清晰度,并使用深度学习进行精确的瘤识别和分类.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 准确和及时的脑瘤诊断对于患者的治疗结果至关重要.
- 在MRI中手动检测脑瘤具有挑战性,耗时,容易出现错误.
- 需要自动化,强大和高效的方法来识别脑瘤.
研究的目的:
- 开发一种用于在MRI图像中检测和分类脑瘤的自动化方法.
- 为了提高图像质量和提高瘤细分的准确性.
- 为了减少在诊断过程中依赖手动解释.
主要方法:
- 使用引导过和异型高斯侧窗 (AGSW) 的图像增强.
- 对排除非瘤区域的形态分析.
- 深度神经网络具有用于细分和特征提取的注意模块.
- 集体模型用于多类脑瘤分类.
主要成果:
- 在BraTS2020数据集上达到99.94%的准确性,在Figshare数据集上达到99.67%.
- 与现有技术相比,该方法表现出卓越的自动化和稳定性.
- 成功地识别和分类大脑瘤的高精度.
结论:
- 拟议的自动化方法显著提高了MRI中的脑瘤诊断.
- 集成先进的图像处理和深度学习提供了一个可靠的诊断工具.
- 这种方法有可能改善患者的康复和治疗计划.


