基于诱导和转移学习的混合模型技术,用于精确和自动诊断神经疾病
Saroj Kumar Pandey1, Yogesh Kumar Rathore2,3, Sunakshi Mehra4
1Department of Computer Engineering and Application, GLA University, Mathura, India.
Brain and behavior
|August 23, 2025
概括
使用MRI扫描, 准确检测脑瘤和阿尔茨海默病. 这种自动化系统提高了神经病学的诊断效率和精度.
科学领域:
- 医学成像分析
- 医疗保健中的人工智能
- 神经学诊断
背景情况:
- 准确及时诊断诸如脑瘤和阿尔茨海默病等神经疾病至关重要.
- 目前的诊断方法可能耗时,可能缺乏早期干预所需的精度.
- 先进的计算机辅助决策系统对于改善诊断工作流程至关重要.
研究的目的:
- 介绍NeuroDL,一个新的深度学习框架用于自动脑瘤和阿尔茨海默病的检测使用MRI.
- 提高神经学评估的诊断准确性和效率.
- 提供统一的双重疾病诊断模型,利用先进的计算机辅助决策支持.
主要方法:
- 使用在注释MRI数据集上训练的卷积神经网络 (CNN).
- 实现了优化的预处理管道, 包括正常化, 头骨剥离和数据增强.
- 使用转移学习和微调技术来增强模型的概括性.
主要成果:
- 在脑瘤检测方面达到96.8%的准确性,在阿尔茨海默病诊断方面达到92.4%.
- 报告的高性能指标,包括F1分数,精度和回忆,超过了最先进的基准.
- 对双重疾病诊断模型的统计验证的性能增长.
结论:
- 在神经诊断中,NeuroDL具有实时临床部署的巨大潜力.
- 该框架通过提供统一的方法来解决现有的计算机辅助诊断 (CAD) 系统的局限性.
- 通过深度学习为可靠,可扩展和自动化的神经疾病诊断铺平了道路.
