Bildverbesserung und U-Net-basierte Segmentierung von Gehirntumoren mittels MRT

Gehirntumor ist ein sehr schwerwiegendes Gesundheitsproblem, und leider wird es in der modernen Gesellschaft immer häufiger. Die Entwicklung medizinischer Methoden und Technologien ermöglicht eine frühere Erkennung der Erkrankung, verlangsamte Fortschritte und Behandlung. Die frühe Erkennung ist entscheidend für den Erfolg der Behandlungsprozesse. Die Anwendung von Bildverarbeitungs- und Methoden der künstlichen Intelligenz kann Medizinern bei der frühzeitigen Erkennung der Krankheit helfen. In dieser Studie wurde ein auf Deep Learning basierender Ansatz für die verbesserte Bildsegmentierung vorgeschlagen, um Gehirntumoren zu erkennen. Die Segmentierung wurde an den Magnetresonanztomographie (MRT)-Bildern des Gehirns durchgeführt, die aus einem öffentlichen Datensatz stammten. Die klassische U-Net-Struktur wurde im Segmentierungsprozess aufgrund ihrer Kompatibilität und Erfolge bei der medizinischen Bildsegmentierung verwendet. Die Leistung des vorgeschlagenen Modells wurde mit Hilfe von Bildverarbeitungstechniken in den Vor- und Nachverarbeitungsphasen erhöht. Nach der Anwendung einiger Bildverbesserungstechniken als Nachverarbeitung wurden ein Dice-Koeffizient von 0,89, eine Sensitivität von 0,85 und ein F-Score von 0,89 erzielt.