Методы глубокого обучения с переносом для классификации опухолей головного мозга по МРТ: сравнительный анализ эффективности

Классификация опухолей головного мозга — важный этап выявления патологических изменений, угрожающих жизни, и выбора эффективного лечения. Для диагностики заболеваний головного мозга применяют различные методы медицинской визуализации. Магнитно-резонансная томография (МРТ) широко используется благодаря высокому качеству изображений и отсутствию воздействия ионизирующего излучения. Развитие глубокого обучения — направления искусственного интеллекта, применяемого в диагностике, — открыло новые возможности для быстрого выявления опухолей головного мозга по данным МРТ и повышения точности прогнозирования. Для анализа и классификации опухолей головного мозга широко применяются сверточные нейронные сети (СНС). В этой работе сравниваются модели СНС с переносом обучения, предварительно обученные на наборах данных: VGG-16, ResNet-50 и Inception-v3. Они использованы для автоматического выявления опухолевых клеток головного мозга. Модели проверены на наборе изображений опухолей головного мозга, полученных методом МРТ и включавшем 233 изображения. В работе также оценивается возможность локализации опухолей с помощью предварительно обученной модели СНС VGG-16. Эффективность модели оценивали по точности. Предварительно обученная VGG-16 показала хорошие результаты и повышение точности на обучающей и валидационной выборках.