Исследование алгоритмов машинного обучения и глубокого обучения для обнаружения опухолей в мозге человека
Ключевые слова:
CNN, трансферное обучение, медицинская визуализация, глиома, классификация изображений, машинное обучение, глубокое обучениеАннотация
Современные медицинские исследования в области визуализации сталкиваются с проблемой обнаружения опухолей головного мозга с помощью магнитно-резонансной томографии (МРТ). Опухоль головного мозга представляет собой аномальную массу ткани, в которой некоторые клетки растут и размножаются бесконтрольно, по-видимому, не регулируясь механизмами, контролирующими нормальные клетки. Существует три типа опухолей, которые обычно наблюдаются, а именно: доброкачественные, предраковые и злокачественные. Многие контролируемые и неконтролируемые алгоритмы классификации используются для определения опухоли как доброкачественной или злокачественной. Обычно более легкие наборы данных используются для классификации изображений в прикладной области, тогда как в медицинской области используются сравнительно более крупные и тяжелые наборы данных. Многие параметры, выбранные во время обучения, играют очень важную роль в измерении производительности и точности системы. Таким образом, была предпринята попытка наглядно показать, как точность алгоритма варьируется в зависимости от параметров, выбранных для обнаружения опухоли головного мозга человека по МРТ-изображению.
Библиографические ссылки
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.
