ZMODYFIKOWANY VGG16 DO DOKŁADNEGO WYKRYWANIA GUZÓW MÓZGU W OBRAZACH MRI
Katuri Rama Krishna
Velagapudi Ramakrishna Siddhartha Engineering College (Indie)
https://orcid.org/0009-0006-7407-8507
Mohammad Arbaaz
Velagapudi Ramakrishna Siddhartha Engineering College (Indie)
https://orcid.org/0009-0007-3170-2039
Surya Naga Chandra Dhanekula
snchandradhanekula@gmail.comVelagapudi Ramakrishna Siddhartha Engineering College (Indie)
https://orcid.org/0009-0009-2790-1451
Yagna Mithra Vallabhaneni
Velagapudi Ramakrishna Siddhartha Engineering College (Indie)
Abstrakt
Guzy mózgu są jednym z najpoważniejszych schorzeń, które wymagają natychmiastowej uwagi i leczenia. Wczesne wykrywanie guzów mózgu ma ogromne znaczenie, ponieważ może znacznie zwiększyć szanse na pomyślne wyniki leczenia i poprawić jakość życia pacjenta. W niniejszym badaniu zaproponowano nowatorską metodologię wczesnego wykrywania guzów mózgu na obrazach rezonansu magnetycznego (MRI) przy użyciu zmodyfikowanej architektury sieci neuronowej VGG16. Zbiór danych obejmuje zarówno obrazy MRI guza, jak i nienowotworowe zebrane z Kaggle i zawiera techniki wstępnego przetwarzania zastosowane w celu optymalizacji wydajności modelu. Zaproponowane podejście zapewnia imponującą dokładność na poziomie 99,08%, wykazując swoją skuteczność w precyzyjnym wykrywaniu guzów mózgu. Oczekuje się, że ta nowa metodologia pomoże lekarzom w dokładnej diagnozie i planowaniu leczenia, pomagając w ten sposób uratować więcej istnień ludzkich i poprawić jakość życia pacjentów cierpiących na guzy mózgu.
Słowa kluczowe:
guz mózgu, uczenie głębokie, VGG16, wykrywanieBibliografia
[1] Ayomide K. S. et al.: Improving Brain Tumor Segmentation in MRI Images Through Enhanced Convolutional Neural Networks. International Journal of Advanced Computer Science and Applications 14(4), 2023.
DOI: https://doi.org/10.14569/IJACSA.2023.0140473
Google Scholar
[2] Brain Tumor Classification (MRI). Kaggle (24 May 2020), [www.kaggle.com/datasets/sartajbhuvaji/brain-tumor-classification-mri].
Google Scholar
[3] Gayathri P. et al.: Exploring the Potential of VGG16 Architecture for Accurate Brain Tumor Detection Using Deep Learning. Journal of Computers, Mechanical and Management 2(2), 2023.
DOI: https://doi.org/10.57159/gadl.jcmm.2.2.23056
Google Scholar
[4] Hemanth G. et al.: Design and Implementing Brain Tumor Detection Using Machine Learning Approach. 3rd International Conference on Trends in Electronics and Informatics –cICOEI. IEEE, 2019.
DOI: https://doi.org/10.1109/ICOEI.2019.8862553
Google Scholar
[5] Kapoor L., Sanjeev T.: A Survey on Brain Tumor Detection Using Image Processing Techniques. 7th International Conference on Cloud Computing, Data Science & Engineering – Confluence. IEEE, 2017.
DOI: https://doi.org/10.1109/CONFLUENCE.2017.7943218
Google Scholar
[6] Pillai R. et al.: Brain Tumor Classification Using VGG 16, ResNet50, and Inception V3 Transfer Learning Models. 2nd International Conference for Innovation in Technology – INOCON. IEEE, 2023.
DOI: https://doi.org/10.1109/INOCON57975.2023.10101252
Google Scholar
[7] Saeed M. et al.: A Convolutional Neural Network for Automatic Brain Tumor Detection. Engineering and Technology Innovation 24, 2023, 15–21.
DOI: https://doi.org/10.46604/peti.2023.10307
Google Scholar
[8] Sharma K. et al.: Brain Tumor Detection Based on Machine Learning Algorithms. International Journal of Computer Applications 103(1), 2014, 7–11.
DOI: https://doi.org/10.5120/18036-6883
Google Scholar
[9] Swarup C. et al.: Brain Tumor Detection Using CNN, AlexNet and GoogLeNet Ensembling Learning Approaches. Electronic Research Archive 31(5), 2023, 2900–2924.
DOI: https://doi.org/10.3934/era.2023146
Google Scholar
[10] Younis A. et al.: Brain Tumor Analysis Using Deep Learning and VGG16 Ensembling Learning Approaches. Applied Sciences 12(14), 2022, 7282.
DOI: https://doi.org/10.3390/app12147282
Google Scholar
Autorzy
Katuri Rama KrishnaVelagapudi Ramakrishna Siddhartha Engineering College Indie
https://orcid.org/0009-0006-7407-8507
Autorzy
Mohammad ArbaazVelagapudi Ramakrishna Siddhartha Engineering College Indie
https://orcid.org/0009-0007-3170-2039
Autorzy
Surya Naga Chandra Dhanekulasnchandradhanekula@gmail.com
Velagapudi Ramakrishna Siddhartha Engineering College Indie
https://orcid.org/0009-0009-2790-1451
Autorzy
Yagna Mithra VallabhaneniVelagapudi Ramakrishna Siddhartha Engineering College Indie
Statystyki
Abstract views: 49PDF downloads: 25
