CNN-LSTM: 뇌종양 분류를 위한 연속 프레임워크

신경교종은 신경교 세포에서 발생하는 성인의 일반적인 뇌종양 유형입니다. 의료 이미징 분석 및 신경교종 연구의 발전에도 불구하고, 정확한 진단은 여전히 도전 과제가 됩니다. 신경교종은 일반적으로 고등급(HG)과 저등급(LG)으로 분류될 수 있습니다. 신경교종의 정확한 분류는 질병 진행 상황 평가 및 치료 전략 선택에 도움을 줍니다. 합성곱 신경망(CNN)을 사용한 의료 이미지 분류는 놀라운 성공을 거두었지만, 3D 의료 이미지를 정확하게 분류하는 것은 여전히 어려운 작업입니다. 주요 제한 사항 중 하나는 CNN이 3D 볼륨 분류에서 최적화하기 어렵다는 것입니다. 본 연구에서는 3D 뇌종양 MR 영상을 HG와 LG 신경교종으로 분류하기 위해 Long Short Term Memory (LSTM) 네트워크와 결합된 CNN의 캐스케이드를 도입하여 이 문제를 해결했습니다. 미리 훈련된 VGG-16에서 추출한 특징을 LSTM 네트워크에 입력하여 3D 뇌종양 볼륨을 HG와 LG 신경교종으로 분류하기 위한 고수준 특징 표현을 학습했습니다. 결과는 VGG-16에서 추출한 특징이 AlexNet과 ResNet에서 추출한 특징에 비해 더 나은 분류 정확도를 제공했다는 것을 보여주었습니다.