From Images to Insights: Transforming Brain Cancer Diagnosis with Explainable AI

要約

脳腫瘍は医療診断における大きな課題であり、効果的な治療には正確かつタイムリーな検出が必要です。
診断は当初、放射線科医の熟練度に依存しますが、専門知識が希薄な場合には困難や脅威が生じる可能性があります。
画像資源の使用にもかかわらず、脳腫瘍は多くの場合困難で時間がかかり、クラス内変動の影響を受けやすいままです。
この研究は、脳腫瘍、脳神経膠腫、脳メニンの 3 つのカテゴリに分類された 6,056 枚の MRI 画像を含むバングラデシュ脳がん MRI データセットを伝えます。
このデータセットはバングラデシュのいくつかの病院から収集されたもので、研究のための多様で現実的なサンプルを提供します。
高度な深層学習モデルを実装したところ、DenseNet169 は精度、精度、再現率、F1 スコアがすべて 0.9983 に達するという優れた結果を達成しました。
さらに、GradCAM、GradCAM++、ScoreCAM、LayerCAM などの Explainable AI (XAI) メソッドを使用して、モデルの意思決定プロセスを視覚的に表現しました。
脳腫瘍の文脈では、これらの技術は、診断精度を向上させると同時に透明性を提供し、早期診断とより良い患者転帰を促進する DenseNet169 の可能性を強調しています。

要約(オリジナル)

Brain cancer represents a major challenge in medical diagnostics, requisite precise and timely detection for effective treatment. Diagnosis initially relies on the proficiency of radiologists, which can cause difficulties and threats when the expertise is sparse. Despite the use of imaging resources, brain cancer remains often difficult, time-consuming, and vulnerable to intraclass variability. This study conveys the Bangladesh Brain Cancer MRI Dataset, containing 6,056 MRI images organized into three categories: Brain Tumor, Brain Glioma, and Brain Menin. The dataset was collected from several hospitals in Bangladesh, providing a diverse and realistic sample for research. We implemented advanced deep learning models, and DenseNet169 achieved exceptional results, with accuracy, precision, recall, and F1-Score all reaching 0.9983. In addition, Explainable AI (XAI) methods including GradCAM, GradCAM++, ScoreCAM, and LayerCAM were employed to provide visual representations of the decision-making processes of the models. In the context of brain cancer, these techniques highlight DenseNet169’s potential to enhance diagnostic accuracy while simultaneously offering transparency, facilitating early diagnosis and better patient outcomes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google