Классификация опухолей головного мозга с использованием сверточных нейронных сетей

Brain Tumor Classification Using Convolutional Neural Networks
J. Seetha, S. Selvakumar Raja
2018-09-19

Точность 97,5%Автоматическое обнаружение опухолейКлассификация опухолей мозгаСверточные нейронные сетиМРТ-изображения
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.
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.

МРТ-изображения головного мозга со случаями опухолей и без опухолей

Точность и вычислительная сложность автоматической классификации случаев с опухолью и без опухоли

Publication Details
Publication Date
2018-09-19
Journal
Publisher
ISSN
Access Type
Author Information
Authors
J. Seetha
S. Selvakumar Raja
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%