Rozbor možností detekce mozkových nádorů na snímcích získaných metodou magnetické rezonance
Loading...
Date
2022-10-26
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
V této práci bylo zkoumáno 7 architektur konvolučních neuronových sítí v kontextu klasifikace tří typů mozkových nádorů na snímcích MR. Byly shrnuty základy neuronových sítí a proveden přehled příslušné literatury. Byly připraveny vlastní skripty pro manipulaci s datasetem, trénování a validaci neuronových sítí. Výsledkem bylo získání dat potřebných pro vyhodnocení. Nejlepší přesnosti dosáhl model EfficientNetV2-L s přesností 99,5 %. Model MobileNetV2-S byl výpočetně nejefektivnější.
In this paper, 7 convolutional neural network architectures were reviewed in the context of classifying three types of brain tumors on MRI images. The fundamentals of neural networks were summarized and relevant literature was reviewed. In-house scripts were prepared for dataset manipulation, training and validation of neural networks. As a result, the data required for the evaluation was obtained. The EfficientNetV2-L model achieved the best accuracy, showing an accuracy of 99,5 %. MobileNetV2-S turned out to be the most efficient in terms of computational cost.
In this paper, 7 convolutional neural network architectures were reviewed in the context of classifying three types of brain tumors on MRI images. The fundamentals of neural networks were summarized and relevant literature was reviewed. In-house scripts were prepared for dataset manipulation, training and validation of neural networks. As a result, the data required for the evaluation was obtained. The EfficientNetV2-L model achieved the best accuracy, showing an accuracy of 99,5 %. MobileNetV2-S turned out to be the most efficient in terms of computational cost.
Description
Subject(s)
Hluboké učení, klasifikace medicinských obrazových dat, mozkový nádor, neuronové sítě