Rilevamento del tumore cerebrale mediante LSTM

Studi recenti hanno dimostrato che i modelli di apprendimento profondo sono in grado di fornire vantaggi significativi per l'analisi delle immagini mediche. Quando si utilizza LSTM per il rilevamento dei tumori cerebrali in genere si alimenta il modello LSTM con dati di input sequenziali come le scansioni di risonanza magnetica o le serie temporali dei pazienti . Il modello apprende quindi dai modelli sequenziali e utilizza queste conoscenze per classificare la presenza o meno di un tumore cerebrale. Il nostro modello sfrutta le dipendenze temporali dei dati di imaging medico per migliorare l'accuratezza e la robustezza del rilevamento dei tumori. Il modello LSTM ha prestazioni migliori rispetto ai metodi tradizionali come dimostrano i nostri risultati. Ciò si traduce in un'elevata accuratezza e in preziosi approfondimenti sulla regione tumorale rilevata. Inoltre esploriamo l'interpretabilità delle LSTM e la potenziale integrazione con le informazioni cliniche per migliorare la diagnosi e la pianificazione.