基于MRI的多发性硬化症检测,使用基于注意力的优化深度学习框架
Ramya Palaniappan1, R Delshi Howsalya Devi2, M Mathankumar3
1Department of Computer Science and Engineering, Madanapalle Institute of Technology & Science, Andhra Pradesh, India.
Neurological research
|July 5, 2025
概括
一个新的深度学习框架,2DRK-MSCAN,在MRI扫描中准确检测多发性硬化症 (MS) 病变. 这种先进的方法达到99.9%的准确性,有助于MS患者的早期诊断和干预.
科学领域:
- 人工智能的人工智能
- 医疗成像医学成像
- 神经学 神经学
背景情况:
- 多发性硬化症 (MS) 是一种慢性神经系统疾病,影响全球数百万人.
- 早期发现MS对于减轻长期残疾至关重要.
- 在MRI扫描中区分MS病变与其他大脑异常是一个诊断挑战.
研究的目的:
- 开发和验证一个新的深度学习框架,2DRK-MSCAN,用于使用MRI数据早期和准确地检测MS病变.
- 通过先进的AI技术,提高MS病变识别的精度和稳定性.
主要方法:
- 使用渐变域引导过 (GDGF) 进行预处理和图像质量提升.
- 在U形编码器-解码器架构中使用EfficientNetV2L骨干进行细分和特征提取.
- 在2DRK-MSCAN分类模型中,集成的深扩散残留核和多尺度的蛇卷积注意力机制.
主要成果:
- 在交叉验证实验中,2DRK-MSCAN框架实现了出色的99.9%准确性.
- 在区分多发性硬化病变与其他大脑异常方面表现出高精度.
- 在三个公开可用的基于MRI的脑瘤数据集上得到验证.
结论:
- 2DRK-MSCAN框架提供了一种可靠和有效的解决方案,用于通过MRI早期检测MS.
- 显示了支持及时干预和改善多发性硬化症患者护理的重大潜力.
- 目前正在进行临床验证,以进一步证实其有效性.


