Brain Tumor Detection Using Deep Learning Approaches

要約

脳腫瘍は異常な細胞の集合体であり、塊またはクラスターに発達する可能性があります。
他の組織に浸潤する可能性があるため、患者に危険をもたらします。
使用される主な画像技術である MRI は、脳腫瘍を正確に特定できる可能性があります。
コンピューター ビジョン アプリケーションで使用する深層学習手法の迅速な開発は、膨大な量のトレーニング データと、教師付き設定でより適切な近似を提供するモデル構築の改善によって促進されています。
これらのアプローチの必要性が、この拡大の主な推進力となっています。
ディープラーニング手法は、磁気共鳴画像法 (MRI) を使用した脳腫瘍の検出と分類の精度の向上に期待されています。
この要約では、脳腫瘍の特定のための深層学習技術、特に ResNet50 の使用に関する研究が紹介されています。
その結果、この研究では、深層学習技術を使用して検出手順を自動化する可能性を調査します。
この研究では、VGG16、VGG19、DenseNet121、ResNet50、YOLO V4 の 5 つの転移学習モデルを利用しました。ResNet50 が最高の精度 99.54% を提供します。
この研究の目標は、この評価と分析による深層学習アプローチを採用することで、研究者や医療専門家を強力な脳腫瘍検出システムに導くことです。

要約(オリジナル)

Brain tumors are collections of abnormal cells that can develop into masses or clusters. Because they have the potential to infiltrate other tissues, they pose a risk to the patient. The main imaging technique used, MRI, may be able to identify a brain tumor with accuracy. The fast development of Deep Learning methods for use in computer vision applications has been facilitated by a vast amount of training data and improvements in model construction that offer better approximations in a supervised setting. The need for these approaches has been the main driver of this expansion. Deep learning methods have shown promise in improving the precision of brain tumor detection and classification using magnetic resonance imaging (MRI). The study on the use of deep learning techniques, especially ResNet50, for brain tumor identification is presented in this abstract. As a result, this study investigates the possibility of automating the detection procedure using deep learning techniques. In this study, I utilized five transfer learning models which are VGG16, VGG19, DenseNet121, ResNet50 and YOLO V4 where ResNet50 provide the best or highest accuracy 99.54%. The goal of the study is to guide researchers and medical professionals toward powerful brain tumor detecting systems by employing deep learning approaches by way of this evaluation and analysis.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google