Сегментация опухолей головного мозга с использованием кластеризации методом K-средних и глубокого обучения с синтетическим расширением данных для классификации

Обработка изображений играет важную роль в клинической диагностике в неврологии. Для диагностики, сегментации и классификации опухолей используют различные методы визуализации. Среди них предпочтение отдают магнитно-резонансной томографии (МРТ) благодаря её неинвазивности и более информативному отображению внутренних характеристик опухоли. Ранняя диагностика может повысить вероятность спасения жизни пациента. Однако ручная сегментация и классификация опухолей головного мозга по данным МРТ подвержены ошибкам, требуют много времени и представляют собой сложную задачу. В связи с этим в статье представлен подход на основе глубокого обучения для классификации опухолей головного мозга по данным МРТ, призванный помочь практикующим врачам. Предлагаемый метод включает три основных этапа: предварительную обработку, сегментацию опухоли головного мозга с использованием кластеризации методом K-средних и последующую классификацию опухолей по категориям — доброкачественные или злокачественные — на основе данных МРТ с помощью дообученной модели VGG19 (Visual Geometry Group, 19 слоёв). Кроме того, для повышения точности классификации применяли синтетическое расширение данных, увеличивая объём доступного материала для обучения классификатора. Предлагаемый подход оценивали в ходе серии тщательных экспериментов на наборах данных BraTS 2015. Результаты подтверждают эффективность предложенной стратегии: её точность была выше, чем у ранее опубликованных передовых методов.