畳み込みニューラルネットワークと磁気共鳴画像法を用いた多クラス脳腫瘍検出の改善

最近、深層学習アルゴリズム、特に畳み込みニューラルネットワーク（CNN）が、画像認識および分類タスクに広く適用され、医療分野での医療画像分析などで成功した結果を得ています。放射線科医は、脳腫瘍がさまざまな腫瘍細胞を含むため、この致命的な病気を分類するのが難しいです。最近では、コンピュータ支援診断に基づく方法が、脳がんの診断を助けるために磁気共鳴画像法（MRI）を使用することを主張しています。畳み込みニューラルネットワーク（CNN）は、脳がんの検出を含む医療画像分析にしばしば使用されます。この取り組みは、特に脳出血の初期段階にある脳腫瘍の適切な検出において医師が抱える困難から動機づけられました。提案されたモデルは、脳画像を四つの異なるクラス（正常、神経膠腫、髄膜腫、下垂体腫瘍）に分類しました。提案されたCNNネットワークは、95%の再現率、95.44%の精度、95.36%のF1スコアを達成しました。