Классификация опухолей головного мозга с использованием сверточных нейронных сетей
Brain Tumor Classification Using Convolutional Neural Networks
2018-09-19
SCID: 54.1/4n6mgre9
Discuss with AI
Точность 97,5%Автоматическое обнаружение опухолейКлассификация опухолей мозгаСверточные нейронные сетиМРТ-изображения
Figures from the paper
Abstract (AI)
Опухоли головного мозга относятся к наиболее распространенным и агрессивным заболеваниям; при опухолях высокой степени злокачественности продолжительность жизни пациентов часто оказывается очень короткой. Поэтому планирование лечения является ключевым этапом улучшения качества жизни пациентов. В целом для оценки опухолей головного мозга, легких, печени, молочной железы, предстательной железы и других органов применяются различные методы визуализации, такие как компьютерная томография (КТ), магнитно-резонансная томография (МРТ) и ультразвуковая визуализация. В данной работе для диагностики опухолей головного мозга используются МРТ-изображения. Однако большой объем данных, получаемых при МРТ-сканировании, делает ручную классификацию изображений с опухолью и без опухоли в приемлемые сроки практически невозможной. Кроме того, точные количественные измерения могут быть получены лишь для ограниченного числа изображений. Поэтому для снижения смертности необходимы надежные автоматические методы классификации. Автоматическая классификация опухолей головного мозга представляет собой сложную задачу из-за значительной пространственной и структурной вариабельности областей, окружающих опухоль. В данной работе предложен метод автоматического обнаружения опухолей головного мозга на основе классификации с использованием сверточной нейронной сети (CNN). Более глубокая архитектура разработана с применением малых ядер, а для нейронов используются небольшие веса. Экспериментальные результаты показывают, что CNN обеспечивает точность 97,5% при низкой вычислительной сложности и превосходит другие современные методы.
Key Findings
1
Предложена сверточная нейронная сеть для автоматической классификации опухолей мозга по МРТ-изображениям.
2
Автоматическая классификация устраняет ограничения ручного анализа больших объемов МРТ-сканов и способствует более эффективной диагностике опухолей.
3
В CNN используется более глубокая архитектура с малыми ядрами и небольшими весами нейронов, что позволяет сохранять низкую вычислительную сложность.
4
В экспериментах метод достиг точности классификации 97,5%.
5
Согласно статье, предложенный подход превосходит другие современные методы классификации опухолей мозга.
Research Object
МРТ-изображения головного мозга со случаями опухолей и без опухолей
Research Subject
Точность и вычислительная сложность автоматической классификации случаев с опухолью и без опухоли
Publication Details
Publication Date
2018-09-19
Journal
Publisher
ISSN
Open access PDF
Access Type
Author Information
Download PDF
Subscribe to digest