Derin öğrenme yaklaşımı kullanılarak beyin tümörünün segmentasyonu

Söz konusu araştırma, derin öğrenme yaklaşımını kullanarak Beyin tümörü segmentasyonunu inceliyor. Araştırmanın amacı, modellerin katman parametrelerinin ve hiper parametrelerin değişiminin, modellerin doğruluğunu ve performansını nasıl etkileyen parametreler olduğunu keşfetmektir. Bu makale, tıbbi görüntülemenin en üst düzeyde doğrulukla yapılmasına duyulan acil ihtiyaçtan yola çıkarak hazırlanmıştır; bu nedenle, bu araştırmanın ana hedefi, beyin tümörü segmentasyonunun mümkün olan en yüksek doğrulukla yapılmasını sağlayacak U-Net mimari tasarımını bulmaktır. . Çok sayıda beyin tümörü vakasının tarafsız bir şekilde toplanmasından oluşan sistematik prosedür gerçekleştirildi. Modeller önce eğitilip daha sonra değerlendirildi ancak dikkatler çoğunlukla temel performans göstergeleri üzerindeydi. Çalışmanın bulguları, model performansı ve doğruluğundaki küçük farklılıkların büyük olasılıkla çeşitli mimari setlerden kaynaklandığını göstermektedir. Bazı konfigürasyonların segmentasyonda daha kararlı ve doğru olduğunu belirtmekte fayda var, bu da mimari tasarımın tıbbi görüntü işleme görevlerinde temel olduğunu gösteriyor. Bulgular, hastalara yönelik yapılan mimari değişikliklerin beyin tümörlerinin segmentasyonu amacına nasıl hizmet ettiğini ortaya koyuyor. Araştırma bulguları, tıbbi görüntü segmentasyonu uygulayıcılarına ve araştırmacılara bu alanda önemli bir yön ve yeni bir büyüme alanı sağlıyor.