Выявление и мультиклассовая классификация опухолей головного мозга с использованием современных методов глубокого обучения

Опухоль головного мозга представляет собой неконтролируемое разрастание клеток; при несвоевременном выявлении она может привести к раку мозга. Ранняя диагностика опухолей головного мозга имеет решающее значение для планирования лечения и выживаемости пациентов. Опухоли головного мозга различаются по формам, характеристикам и методам лечения. Поэтому ручное выявление опухолей головного мозга является сложным, длительным и подверженным ошибкам. В связи с этим в настоящее время востребована автоматизированная компьютерная диагностика с высокой точностью. В настоящем исследовании сегментацию выполняли с помощью архитектуры U-Net с ResNet50 в качестве базовой сети на наборе данных Figshare; значение показателя пересечения над объединением (IoU) составило 0,9504. Для повышения точности классификации применяли предварительную обработку данных и их аугментацию. Мультиклассовую классификацию опухолей головного мозга выполняли с использованием эволюционных алгоритмов и обучения с подкреплением в рамках трансферного обучения. Также применяли другие методы глубокого обучения, включая ResNet50, DenseNet201, MobileNet V2 и InceptionV3. Полученные результаты показали, что предложенная исследовательская схема превосходила опубликованные результаты современных методов. Точность классификации опухолей с помощью различных моделей сверточных нейронных сетей составила 91,8% для MobileNet V2, 92,8% для Inception V3, 92,9% для ResNet50, 93,1% для DenseNet201 и 99,6% для NASNet. Наивысшую точность продемонстрировала NASNet.