使用深度学习和机器学习方法进行多类脑瘤MRI细分和分类
Aqib Ali1, Xinde Li2,3, Wali Khan Mashwani4
1Key Laboratory of Measurement and Control of CSE, School of Automation, Southeast University, Nanjing, 210096, China.
概括
深度学习和机器学习使用MRI扫描准确地分类大脑瘤. 随机委员会分类器实现了98.61%的准确性,提高了诊断潜力.
科学领域:
- 医学成像分析 医学成像分析
- 计算病理学计算病理学
- 在瘤学中使用人工智能
背景情况:
- 通过磁共振成像 (MRI) 进行脑瘤分类对于诊断和治疗至关重要.
- 区分瘤类型 (恶性与良性) 是具有挑战性的,需要先进的计算方法.
研究的目的:
- 用MRI数据评估深度学习 (DL) 和机器学习 (ML) 进行脑瘤分类.
- 探索计算方法在提高诊断准确性的有效性.
主要方法:
- 1200张脑瘤MRI图像 (DICOM) 的数据集被处理并使用边缘精细二元组图分割 (ER-BHS) 进行细分.
- 混合特征被提取并优化为11个关键特征,使用基于关联的方法.
- 通过十倍交叉验证评估多个DL和ML分类器.
主要成果:
- 随机委员会 (RC) 分类器在优化数据集上达到最高准确率98.61%.
- DL和ML方法都在自动化脑瘤分类方面表现出有效性.
- 该研究强调了优化特征集在分类任务中的性能.
结论:
- DL和ML方法显示了增强医学图像分析的巨大潜力.
- 这些计算技术可以提高脑瘤分类的诊断准确性.
- 这些发现表明,通过人工智能驱动的诊断,临床工作流程可能会发生革命.
