An Improved Deep Convolutional Neural Network by Using Hybrid Optimization Algorithms to Detect and Classify Brain Tumor Using Augmented MRI Images

要約

脳腫瘍の自動検出は、医療診断の研究として非常に重要なものとなってきている。近年の医療診断では、検出と分類に機械学習や深層学習の技術を採用することが強く考えられています。しかしながら、適切な治療を行うためには、現在のモデルの精度や性能を向上させる必要がある。本論文では、最適化アルゴリズムの改良により深層畳み込み学習の向上を図るため、改良型ハリスホークス最適化（HHO）に基づく深層畳み込みニューラルネットワーク（DCNN）、いわゆるG-HHOを検討した。このハイブリッド化は、Grey Wolf Optimization (GWO)とHHOを特徴として、より良い結果を与え、収束率を制限し、性能を向上させる。さらに、脳腫瘍の検出を重視し、腫瘍部分の分割に大津式閾値処理を採用した。提案手法の性能を検証するために、合計2073枚の拡張MRI画像に対して実験的研究を行った。本手法の性能は、巨大な拡張MRI画像において、精度、精度、再現性、f値、実行時間、メモリ使用量の観点から9つの既存アルゴリズムと比較することで確保された。性能比較の結果、DCNN-G-HHOは既存手法よりもはるかに成功しており、特にスコアリング精度が97%であることがわかりました。さらに，統計的な性能分析により，提案手法はMR画像上の脳腫瘍の癌を識別し分類する際に，より速く，より少ないメモリを使用することが示された．本検証の実装はPythonプラットフォーム上で行われた。提案手法の関連コードは、https://github.com/bryarahassan/DCNN-G-HHO で公開されています。

要約(オリジナル)

Automated brain tumor detection is becoming a highly considerable medical diagnosis research. In recent medical diagnoses, detection and classification are highly considered to employ machine learning and deep learning techniques. Nevertheless, the accuracy and performance of current models need to be improved for suitable treatments. In this paper, an improvement in deep convolutional learning is ensured by adopting enhanced optimization algorithms, Thus, Deep Convolutional Neural Network (DCNN) based on improved Harris Hawks Optimization (HHO), called G-HHO has been considered. This hybridization features Grey Wolf Optimization (GWO) and HHO to give better results, limiting the convergence rate and enhancing performance. Moreover, Otsu thresholding is adopted to segment the tumor portion that emphasizes brain tumor detection. Experimental studies are conducted to validate the performance of the suggested method on a total number of 2073 augmented MRI images. The technique’s performance was ensured by comparing it with the nine existing algorithms on huge augmented MRI images in terms of accuracy, precision, recall, f-measure, execution time, and memory usage. The performance comparison shows that the DCNN-G-HHO is much more successful than existing methods, especially on a scoring accuracy of 97%. Additionally, the statistical performance analysis indicates that the suggested approach is faster and utilizes less memory at identifying and categorizing brain tumor cancers on the MR images. The implementation of this validation is conducted on the Python platform. The relevant codes for the proposed approach are available at: https://github.com/bryarahassan/DCNN-G-HHO.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL