Research on machine and deep learning algorithms for detecting tumors in the human brain
Keywords:
CNN, Transfer Learning, Medical Imaging, Glioma, Image Classification, Machine Learning, Deep LearningAbstract
Modern medical imaging research faces the challenge of identifying brain tumors using magnetic resonance imaging (MRI). A brain tumor is an abnormal mass of tissue in which some cells multiply uncontrollably, apparently unregulated by the mechanisms that control normal cells. There are three types of tumors that are commonly observed, namely: benign, precancerous and malignant. Many supervised and unsupervised methods are classified to determine a tumor as benign or malignant. Generally, lighter weight datasets are used for image classification in the application domain, while heavier and heavier datasets are used in the medical domain. Many parameters selected during training play a critical role in the performance and accuracy of the systems. Thus, an attempt was made to visualize how the accuracy of the algorithm increases depending on the parameters chosen to detect the human brain in an MRI image.
References
Ратхи, Г. П. Классификация изображений МРТ мозга с выбором и извлечением признаков с использованием линейного дискриминантного анализа / Г. П. Ратхи, В. П. Палани // IEEE, 2019.
Хатами, Токтам, Хамгалам, Мохаммад, Рейхани-Галангаши, Омид, Мирзкучаки, Саттар. Подход машинного обучения к сегментации опухолей мозга с использованием адаптивного алгоритма случайного леса // IEEE, 2019.
Чато, Лина, Латифи, Шахрам, Чато, Лина Саид. Методы машинного обучения и глубокого обучения для прогнозирования общей выживаемости пациентов с опухолями мозга с использованием МРТ // IEEE, 2017.
Тало, Мухаммед, Балоглу, Улас Баран, Йилдирим, Озал, Ачарья, У Раджендра. Применение глубокого трансферного обучения для автоматической классификации аномалий мозга с использованием МРТ // IEEE, 2017.
Мохсен, Хеба, Эль-Дахшан, Эль-Саид А., Эль-Хорбати, Эль-Саид М., Салем, Абдель-Баде. Классификация с использованием нейронных сетей глубокого обучения для опухолей мозга // IEEE, 2017.
Круз-Роа, Анхель, Аревало, Джон, Джадкинс, Александр, Мадабхуши, Анант, Гонсалес, Фабио. Метод дифференциации опухолей медуллобластомы на основе сверточных нейронных сетей и трансферного обучения // IEEE, 2016.
Сапра, Панкадж, Сингх, Рупиндерпал, Кхурана, Шивани. Обнаружение опухоли мозга с использованием нейронной сети // Международный журнал науки и современной инженерии, IJISME, ISSN: 2319-6386, Том. 1, Вып. 9, Август 2013.
Госвами, С. Сучита, Бхайя, Лалит Кумар П. Обнаружение опухоли мозга с использованием нейронной сети на основе неуправляемого обучения // IEEE Международная конференция по системам связи и технологиям сетей, 2013.
Раджешвари, С., Шри Шармила, Т. Эффективный анализ качества изображений МРТ с использованием методов предварительной обработки // IEEE Конференция по информационным и коммуникационным технологиям, ICT 2013.
Джордж, Е. Бен, Карнан, М. Улучшение изображений МРТ мозга с использованием методов фильтрации // Международный журнал компьютерных наук и инженерных технологий, IJCSET, 2012.
Амин, Сафаа Э., Магид, М.А. Системы диагностики опухоли мозга на основе искусственных нейронных сетей и сегментации с использованием МРТ // IEEE Международная конференция по информатике и системам, INFOS 2012.
Натараян П., Кришнан Н., Кенкре Наташа Сандип, Нэнси Шрайя, Сингх Бхуванеш Пратап. Обнаружение опухолей с использованием пороговой операции в МРТ изображениях мозга // IEEE Международная конференция по вычислительному интеллекту и исследованию вычислений, 2012.
Бауэр Стефан, Нольте Лутц-П., Рейес Маурисио. Полностью автоматическая сегментация изображений опухолей мозга с использованием классификации методом опорных векторов в сочетании с иерархическим.
Джоши Дипали М., Рана Н. К., Мисра В. М. Классификация рака мозга с использованием искусственной нейронной сети // IEEE Международная конференция по электронным компьютерным технологиям, ICECT, 2010.
Кляйн Арно и др. Оценка 14 нелинейных алгоритмов деформации, применяемых к регистрации МРТ изображений человеческого мозга // Neuro Image IEEE Журналы и журналы, Elsevier Journal, 2009. - Том 46, вып. 3, июль, С. 786-802.
