AI Summary & Key Takeaways
AI InsightThe obtained results were tested on a dataset of 1621 gliomas, 1645 meningiomas, 1757 pituitary glands and 2000 normal brain images using a 5-fold cross validation technique and an average accuracy of 99.5% was achieved.
📌 3 Key Takeaways
Abstract
According to World Health Organization reports, the number of deaths due to brain tumors is increasing day by day. As with all diseases, early diagnosis is very important in brain tumors. Diagnosis of brain tumors from MRI images by physicians can cause both loss of time and erroneous interpretations. Therefore, computer-aided automatic detection systems have become an important research topic to minimize time loss and error margin. In this study, the proposed model aims to classify brain tumors. For this purpose, a four-class data set was used to classify brain tumors using a transfer learning based Inception-ResNet-V2 convolutional neural network model. The obtained results were tested on a dataset of 1621 gliomas, 1645 meningiomas, 1757 pituitary glands and 2000 normal brain images using a 5-fold cross validation technique and an average accuracy of 99.5% was achieved.
Özet
Dünya Sağlık Örgütü raporlarına göre beyin tümörlerine bağlı olarak meydana gelen ölümlerin sayısı her geçen gün artmaktadır. Tüm hastalıklarda olduğu gibi beyin tümörlerinde de erken teşhis oldukça önemlidir. Hekimler tarafından MR görüntülerinden beyin tümörünün teşhis edilmesi hem zaman kaybına hem de hatalı yorumlara neden olabilir. Bu nedenle, zaman kaybını ve hata payını en aza indirmek için bilgisayar destekli otomatik tespit sistemleri önemli bir araştırma konusu haline gelmiştir. Bu çalışmada, önerilen model ile beyin tümörlerinin sınıflandırılması amaçlanmıştır. Bu amaç doğrultusunda, dört sınıflı ver seti kullanılarak transfer öğrenme tabanlı Inception-ResNet-V2 evrişimli sinir ağı modeli ile beyin tümörlerinin sınıflandırılması gerçekleştirilmiştir. Elde edilen sonuçlar, 5 kat çapraz doğrulama tekniği kullanılarak 1621 gliyom, 1645 menenjiyom, 1757 hipofiz bezi ve 2000 normal beyin görüntüsünün bulunduğu veri seti üzerinde test edilmiş ve %99,5 ortalama doğruluk başarımı elde edilmiştir.