返回
BrainView: A Cloud-based Deep Learning System for Brain Image Segmentation, Tumor Detection and Visualization
DOI:10.1016/j.bj.2025.100871.png)
摘要
En 中文
• 我们引入了一个基于迁移学习的深度学习网络,旨在辅助对脑肿瘤患者进行快速准确的诊断,采用了单一的迁移学习方法。
• 在我们的研究中,我们集成了前沿的基于GradCAM的模型解释技术。这一复杂算法使我们能够有效定位脑部扫描中的肿瘤区域,为临床医生和放射科医师提供宝贵的见解。
• 此外,我们介绍了一个结合U-Net和预训练EfficientNet7的肿瘤分割系统,以提升分割结果。
• 我们通过10折交叉验证和留一患者交叉验证(LOPO)对BrainView进行了严格评估,以确保其鲁棒性。
• 最后,为了弥合技术创新与临床实践之间的差距,我们开发了一个实用且易于访问的基于云的框架,我们相信它赋予医疗专业人员诊断能力,并改善患者预后。
Keyword:
Brain Tumor
Deep Learning
Image Classification
Image Segmentation
Magnetic Resonance Images (MRI)
AI总结
对已上传原文的论文进行重点信息的提取,主要内容包括:简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.4
论文数:
944
被引数:
3.2K
机构
引用论文
A Robust Approach for Brain Tumor Detection in Magnetic Resonance Images Using Finetuned EfficientNet使用Finetuned EfficientNet在磁共振图像中检测脑肿瘤的稳健方法
IEEE ACCESS
IF3.6
The Longitudinal Imaging Tracker (BrICS-LIT):A Cloud Platform for Monitoring Treatment Response in Glioblastoma Patients纵向成像追踪器(BrICS-LIT):用于监测胶质母细胞瘤患者治疗反应的云平台
Tomography
IF0
Brain tumor segmentation based on the fusion of deep semantics and edge information in multimodal MRI基于深度语义和边缘信息融合的多模态MRI脑肿瘤分割
INFORMATION FUSION
IF15.5

