О методах переноса глубокого обучения в задачах классификации биомедицинских изображений

Щетинин Е.Ю.; Севастьянов Л.А.

О методах переноса глубокого обучения в задачах классификации биомедицинских изображений

Дата публикации в реестре: 2022-10-06T17:48:31Z

Аннотация:

Проведены компьютерные исследования эффективности применения методов переноса глубокого обучения для решения задачи распознавания опухолей головного мозга человека на основе его МРТ-снимков. Предложены и реализованы различные стратегии глубокого обучения и тонкой настройки моделей. В качестве базовых моделей были использованы глубокие сверточные сети VGG-16, ResNet-50, Xception и MobileNetV2, предварительно обученные на наборе изображений ImageNet. Также разработана и обучена глубокая сверточная нейронная сеть 2D-CNN. Компьютерный анализ показателей их производительности показал, что стратегия тонкой настройки модели Xception на расширенном наборе данных продемонстрировала более высокие значения точности по сравнению с другими моделями глубокого обучения: точность классификации опухолей головного мозга по МРТ-снимкам составила 96%, precision - 99,9%, recall - 96,03%, f1-score - 98%, AUC - 98,92%.

Ключевые слова:
MRI scans, brain tumor, deep learning transfer, convolutional neural networks, МРТ-снимки, опухоль головного мозга, перенос глубокого обучения, сверточные нейронные сети

Тип: Article

Права: open access

Источник: Informatika i ee Primeneniya