मस्तिष्क ट्यूमर वर्गीकरण के लिए गहरे शिक्षण

हाल के शोध ने दर्शाया है कि गहरे शिक्षण विधियों ने पर्यवेक्षित मशीन शिक्षण, चित्र वर्गीकरण कार्यों में अच्छा प्रदर्शन किया है। इस अध्ययन का उद्देश्य विभिन्न ट्यूमर प्रकारों के साथ मस्तिष्क चित्रों को वर्गीकृत करने के लिए गहरे शिक्षण विधियों को लागू करना है: मेनिन्जियोमा, ग्लियोमा, और पीच्यूटरी। एक डेटा सेट सार्वजनिक रूप से जारी किया गया जिसमें 233 रोगियों से 3,064 T1-भारित बाधा संवर्धित एमआरआई (CE-MRI) मस्तिष्क चित्र शामिल हैं जिनमें से प्रत्येक में मेनिन्जियोमा, ग्लियोमा, या पीच्यूटरी ट्यूमर होते हैं, जिन्हें अक्षीय, कोरोनाल, या सैजिटल प्लेनों में विभाजित किया गया है। यह शोध 191 रोगियों से 989 अक्षीय चित्रों पर केंद्रित है ताकि तीन विभिन्न प्लेनों में समान निदान के साथ न्यूरल नेटवर्क को भ्रमित करने से बचा जा सके। वर्गीकरण में दो प्रकार के न्यूरल नेटवर्क का उपयोग किया गया: पूरी तरह से जुड़े और संकुचन न्यूरल नेटवर्क। इन दो श्रेणियों में, मूल 512×512 अक्षीय चित्रों के संवर्धन के माध्यम से आगे की परीक्षणों की गणना की गई। अक्षीय डेटा पर न्यूरल नेटवर्क को प्रशिक्षित करना अपने वर्गीकरण में सटीक साबित हुआ है, जिसमें सर्वोत्तम प्रशिक्षित न्यूरल नेटवर्क पर 91.43% का औसत पांच गुना क्रॉस मान्यता शामिल है। यह परिणाम दर्शाता है कि एक सामान्य विधि (जैसे कि गहरा शिक्षण) उन विशेष विधियों से बेहतर प्रदर्शन कर सकती है जिन्हें ट्यूमर पर चित्र फैलाने और अंगूठी बनाने वाले उपक्षेत्रों की आवश्यकता होती है।