Erkennung von Hirntumoren mit LSTM

Jüngste Studien haben gezeigt, dass Deep-Learning-Modelle in der Lage sind, erhebliche Vorteile für die medizinische Bildanalyse zu bieten. Bei der Verwendung von LSTM für die Erkennung von Hirntumoren werden dem LSTM-Modell in der Regel sequenzielle Eingabedaten wie MRT-Scans oder Zeitreihendaten von Patienten zugeführt . Das Modell würde dann aus den sequenziellen Mustern lernen und dieses Wissen nutzen, um zu klassifizieren, ob ein Hirntumor vorhanden ist oder nicht. Unser Modell nutzt die zeitlichen Abhängigkeiten in medizinischen Bildgebungsdaten, um die Genauigkeit und Robustheit der Tumorerkennung zu verbessern . Wie unsere Ergebnisse zeigen, schneidet das LSTM-Modell besser ab als herkömmliche Methoden. Dies führt zu einer hohen Genauigkeit und zu wertvollen Erkenntnissen über die erkannte Tumorregion. Außerdem untersuchen wir die Interpretierbarkeit von LSTMs und die mögliche Integration mit klinischen Informationen für eine verbesserte Diagnose und Planung.

Autorentext
Dr. A. Sai Suneel arbeitet derzeit als Assistenzprofessor in der Abteilung für Elektronik und Kommunikationstechnik und Frau V. Saraswathi Bai arbeitet derzeit als Assistenzprofessorin in der Abteilung für CSE an der School of Engineering and Technology, Sri Padmavati Mahila Visvavidyalayam, Tirupati.