Convolutional XGBoost (C-XGBOOST) Model for Brain Tumor Detection

要約

脳腫瘍は、脳や脊柱管内の細胞の塊や異常増殖で、頭痛、発作、手足の脱力やしびれ、性格や行動の変化、吐き気、嘔吐、視覚や聴覚の障害、めまいなどの症状があります。従来の脳腫瘍の診断では、病歴聴取、身体診察、画像検査（CTやMRIなど）、生検（腫瘍組織の一部を採取して調べること）などの検査や処置が行われます。これらの検査は、効果的である一方、手作業による脳ドックの検査や検査結果の精査など、精神的・時間的負担が大きいものです。一般に、脳腫瘍は早期に診断・治療された方が予後が良い傾向にあることは、多くの医学研究で確立されています。ディープラーニング技術は年々進化しており、医療画像における脳腫瘍の分類において、人間の干渉をほとんど受けずに、印象的で高速な結果を実証しています。本研究では、畳み込みニューラルネットワーク（CNN）とextreme gradient boosting（XGBoost）を組み合わせた脳腫瘍の早期発見モデルを提案する。C-XGBoostと名付けられた提案モデルは、純粋なCNNと比較してモデルの複雑性が低いため、学習が容易でオーバーフィッティングの可能性が低い。また、実世界の医療画像分類タスクで一般的な問題である、不均衡で非構造化されたデータの取り扱いに優れている。提案モデルの有効性を評価するために、腫瘍がある場合とない場合の脳MRI画像のデータセットを採用した。

要約(オリジナル)

Brain tumors are masses or abnormal growths of cells within the brain or the central spinal canal with symptoms such as headaches, seizures, weakness or numbness in the arms or legs, changes in personality or behaviour, nausea, vomiting, vision or hearing problems and dizziness. Conventional diagnosis of brain tumour involves some tests and procedure which may include the consideration of medical history, physical examination, imaging tests (such as CT or MRI scans), and biopsy (removal and examination of a small piece of the tumor tissue). These procedures, while effective, are mentally strenuous and time demanding due to the manual examination of the brain scans and the thorough evaluation of test results. It has been established in lots of medical research that brain tumours diagnosed and treated early generally tends to have a better prognosis. Deep learning techniques have evolved over the years and have demonstrated impressive and faster outcomes in the classification of brain tumours in medical imaging, with very little to no human interference. This study proposes a model for the early detection of brain tumours using a combination of convolutional neural networks (CNNs) and extreme gradient boosting (XGBoost). The proposed model, named C-XGBoost has a lower model complexity compared to purely CNNs, making it easier to train and less prone to overfitting. It is also better able to handle imbalanced and unstructured data, which are common issues in real-world medical image classification tasks. To evaluate the effectiveness of the proposed model, we employed a dataset of brain MRI images with and without tumours.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL