相关实验视频

Updated: Sep 13, 2025

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Automated Segmentation of Cortical Grey Matter from T1-Weighted MRI Images

Published on: January 7, 2019

在MRI图像中精确识别脑髓母细胞瘤,使用卷积神经网络与自我注意机制集成

Chenhao Fang¹, Chao Li¹, Huiqing Liu²

¹Department of Neurosurgery, Shanghai Tenth People's Hospital, School of Medicine, Tongji University, Shanghai, China.

|July 28, 2025

概括

一个新的深度学习模型,InceptentionNet,在MRI扫描中准确识别脑髓母细胞瘤 (MB) 脑瘤. 这种先进的人工智能工具对改善早期诊断和患者治疗结果充满希望.

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:

骨髓母细胞瘤 (MB) 是一种高度恶性脑瘤,需要早期诊断以改善存活率.
在MRI上区分MB与其他脑瘤对临床医生来说是具有挑战性的.
磁共振成像 (MRI) 是大脑瘤的关键诊断工具.

研究的目的:

开发和评估一种新的混合深度学习模型InceptentionNet,用于在MRI图像中准确检测MB.
将InceptentionNet的性能与已建立的卷积神经网络 (CNN) 模型进行比较.
评估拟议模型的临床解释性和概括能力.

主要方法:

开发了一个混合深度学习模型InceptentionNet,集成Inception和自我注意力机制.
该模型在736张MRI图像 (106MB,630非MB) 的数据集上进行了训练.
对单个CNN模型 (MobileNet,ResNet,DenseNet,VGG,Inception) 的性能进行了评估,并通过外部测试进行了验证.

主要成果:

InceptentionNet实现了高性能指标:98.07%的准确性,93.54%的F1分数和99.41%的AUC.
该模型在内部和外部验证测试中表现优于其他单独的CNN模型.
注意热图提供了临床解释性,突出了相关的图像区域.

结论:

在MRI中,InceptentionNet展示了强大的MB检测预测能力.
该模型有可能成为放射科医生诊断脑髓母细胞瘤的辅助工具.
未来的工作包括对更大的数据集进行验证,并扩展到多类分类.

关键词:

中枢细胞瘤 (Medulloblastoma) 是一个大脑瘤是个大脑瘤卷积神经网络是一种卷积神经网络.磁共振成像技术的使用自己注意力自我注意力

更多相关视频

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

相关概念视频

Magnetic Resonance Imaging

Magnetic Resonance Imaging

Magnetic resonance imaging (MRI) is a noninvasive medical imaging technique based on a phenomenon of nuclear physics discovered in the 1930s, in which matter exposed to magnetic fields and radio waves was found to emit radio signals. In 1970, a physician and researcher named Raymond Damadian noticed that malignant (cancerous) tissue gave off different signals than normal body tissue. He applied for a patent for the first MRI scanning device in clinical use by the early 1980s. The early MRI...