జర్నల్ ఆఫ్ ట్యూమర్ రీసెర్చ్
అందరికి ప్రవేశం

నైరూప్య

కన్వల్యూషన్ న్యూరల్ నెట్‌వర్క్ ఉపయోగించి MRI ఇమేజ్ నుండి బ్రెయిన్ ట్యూమర్ డిటెక్షన్ యొక్క గుర్తింపు

సునీల్ కుమార్, రేణు ధీర్, నిషా చౌరాసియా

ప్రాథమిక దశలో ఉన్న కణితిని సరిగ్గా పరీక్షించడం వల్ల బ్రెయిన్ ట్యూమర్ పేషెంట్ మరణాలు రోజురోజుకూ పెరిగిపోతున్నాయి. ఇది మానవ శరీరం యొక్క ముఖ్యమైన నాడీ వ్యవస్థను ప్రభావితం చేస్తుంది కాబట్టి, మెదడు కణితి లేదా క్యాన్సర్ క్యాన్సర్ యొక్క అత్యంత ప్రాణాంతక రకాల్లో ఒకటి. మెదడు దాని పనితీరును దెబ్బతీసే అంటువ్యాధులకు చాలా హాని కలిగిస్తుంది. మెదడు కణాలు సున్నితమైనవి మరియు ప్రమాదకరమైన వ్యాధుల బారిన పడినప్పుడు పునరుత్పత్తి చేయడం సవాలుగా ఉంటాయి. కణితిని నిరపాయమైన లేదా ప్రాణాంతక కణితులుగా వర్గీకరించారు. ఈ థీసిస్ నిరపాయమైన మరియు ప్రాణాంతక కణితులను గుర్తించడానికి మరియు వర్గీకరించడానికి లోతైన అభ్యాస పద్ధతుల ఆధారంగా CNN విధానాలను ఉపయోగించి ఉన్నతమైన మెదడు కణితి గుర్తింపును ప్రతిపాదిస్తుంది. వివిధ రకాల మెదడు కణితులను వర్గీకరించడానికి కన్వల్యూషన్ న్యూరల్ నెట్‌వర్క్ (CNN) వ్యవస్థను ఉపయోగించడం గురించి ఈ కాగితం చర్చిస్తుంది. పనితీరు నమూనాలను మూల్యాంకనం చేయడానికి మేము ఖచ్చితత్వం, ఖచ్చితత్వం మరియు సున్నితత్వం వంటి పనితీరు పారామితులను ఉపయోగించాము. ఉపయోగించిన డేటాసెట్ Br35H MRI చిత్రాలను కలిగి ఉన్న 3064 T MRI చిత్రాల డేటాసెట్, మరియు ఇది 70% శిక్షణ, 15% ధ్రువీకరణ మరియు 15% పరీక్షగా విభజించబడింది. CNN పద్ధతి Br35H డేటాసెట్ యొక్క లక్షణాన్ని ఎంచుకుంటుంది. మేము ధ్రువీకరణ ఖచ్చితత్వం కోసం 99.04 శాతం మరియు 99.00 శాతం వర్గీకరణ ఖచ్చితత్వాన్ని సాధించాము.