Published September 21, 2023
| Version v1
Publication
Open
High-Performance Method for Brain Tumor Feature Extraction in MRI Using Complex Network
Creators
- 1. Hanoi University of Science and Technology
- 2. Bạch Mai Hospital
Description
To localize and distinguish between benign and malignant tumors on MRI.This work proposes a high-performance method for brain tumor feature extraction using a combination of complex network and U-Net architecture. And then, the common machine-learning algorithms are used to discriminate between benign and malignant tumors. Experiments and Results. The dataset of brain MRI of a total of 230 brain tumor patients in which 77 high-grade glioma patients and 153 low-grade glioma patients were processed. The results of classifying benign and malignant tumors achieved an accuracy of 99.84%.The high accuracy of experiment results demonstrates that the use of the complex network and U-Net architecture can significantly improve the accuracy of brain tumor classification. This method could potentially be useful for clinicians in aiding diagnosis and treatment planning for brain tumor patients.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
لتحديد موضع الأورام الحميدة والخبيثة والتمييز بينها في التصوير بالرنين المغناطيسي. يقترح هذا العمل طريقة عالية الأداء لاستخراج ميزة ورم الدماغ باستخدام مزيج من الشبكة المعقدة وبنية U - Net. ثم تُستخدم خوارزميات التعلم الآلي الشائعة للتمييز بين الأورام الحميدة والخبيثة. التجارب والنتائج. مجموعة بيانات التصوير بالرنين المغناطيسي للدماغ لما مجموعه 230 مريضًا بأورام الدماغ تمت فيها معالجة 77 مريضًا بالورم الدبقي عالي الدرجة و 153 مريضًا بالورم الدبقي منخفض الدرجة. وحققت نتائج تصنيف الأورام الحميدة والخبيثة دقة بلغت 99.84%، وتوضح الدقة العالية لنتائج التجارب أن استخدام الشبكة المعقدة وبنية U - Net يمكن أن يحسن بشكل كبير من دقة تصنيف أورام المخ. يمكن أن تكون هذه الطريقة مفيدة للأطباء في المساعدة في التشخيص وتخطيط العلاج لمرضى أورام المخ.Translated Description (French)
Localiser et distinguer les tumeurs bénignes et malignes à l'IRM.Ce travail propose une méthode de haute performance pour l'extraction de caractéristiques tumorales cérébrales en utilisant une combinaison de réseau complexe et d'architecture U-Net. Et puis, les algorithmes d'apprentissage automatique courants sont utilisés pour faire la distinction entre les tumeurs bénignes et malignes. Expériences et résultats. L'ensemble de données de l'IRM cérébrale d'un total de 230 patients atteints de tumeurs cérébrales dans lequel 77 patients atteints de gliome de haut grade et 153 patients atteints de gliome de bas grade ont été traités. Les résultats de la classification des tumeurs bénignes et malignes ont atteint une précision de 99,84 %. La grande précision des résultats de l'expérience démontre que l'utilisation du réseau complexe et de l'architecture U-Net peut améliorer considérablement la précision de la classification des tumeurs cérébrales. Cette méthode pourrait être utile aux cliniciens pour faciliter le diagnostic et la planification du traitement des patients atteints de tumeurs cérébrales.Translated Description (Spanish)
Localizar y distinguir entre tumores benignos y malignos en MRI. Este trabajo propone un método de alto rendimiento para la extracción de características de tumores cerebrales utilizando una combinación de red compleja y arquitectura U-Net. Y luego, los algoritmos comunes de aprendizaje automático se utilizan para discriminar entre tumores benignos y malignos. Experimentos y resultados. El conjunto de datos de resonancia magnética cerebral de un total de 230 pacientes con tumores cerebrales en los que se procesaron 77 pacientes con glioma de alto grado y 153 pacientes con glioma de bajo grado. Los resultados de la clasificación de tumores benignos y malignos alcanzaron una precisión del 99,84%. La alta precisión de los resultados del experimento demuestra que el uso de la compleja red y la arquitectura U-Net pueden mejorar significativamente la precisión de la clasificación de tumores cerebrales. Este método podría ser potencialmente útil para los médicos para ayudar al diagnóstico y la planificación del tratamiento de los pacientes con tumores cerebrales.Files
8843488.pdf.pdf
Files
(15.8 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:c8c9b4bc944338515fcf358596bef3cb
|
15.8 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- طريقة عالية الأداء لاستخراج ميزة ورم الدماغ في التصوير بالرنين المغناطيسي باستخدام شبكة معقدة
- Translated title (French)
- Méthode haute performance pour l'extraction de caractéristiques tumorales cérébrales en IRM à l'aide d'un réseau complexe
- Translated title (Spanish)
- Método de alto rendimiento para la extracción de características de tumores cerebrales en resonancia magnética utilizando una red compleja
Identifiers
- Other
- https://openalex.org/W4386924059
- DOI
- 10.1155/2023/8843488
References
- https://openalex.org/W1529106245
- https://openalex.org/W1535753778
- https://openalex.org/W1641498739
- https://openalex.org/W1901129140
- https://openalex.org/W1981873608
- https://openalex.org/W2057947771
- https://openalex.org/W2080943853
- https://openalex.org/W2097248014
- https://openalex.org/W2103647733
- https://openalex.org/W2148977460
- https://openalex.org/W2151212842
- https://openalex.org/W2160279214
- https://openalex.org/W2296721066
- https://openalex.org/W2342603028
- https://openalex.org/W2751069891
- https://openalex.org/W2900123527
- https://openalex.org/W2900298334
- https://openalex.org/W3009718233
- https://openalex.org/W3011743383
- https://openalex.org/W3016651621
- https://openalex.org/W3017969688
- https://openalex.org/W3047166296
- https://openalex.org/W3083692688
- https://openalex.org/W3136979370
- https://openalex.org/W3217110323
- https://openalex.org/W4200327950
- https://openalex.org/W4210642693
- https://openalex.org/W4212883601
- https://openalex.org/W4213172209
- https://openalex.org/W4220809228
- https://openalex.org/W4224073284
- https://openalex.org/W4361305859
- https://openalex.org/W4375953500