Wykrywanie guzów mózgu przy użyciu LSTM

Ostatnie badania wykazały że modele głębokiego uczenia są w stanie zapewnić znaczące korzyści w analizie obrazów medycznych. Podczas korzystania z LSTM do wykrywania guzów mózgu do modelu LSTM zazwyczaj wprowadzane są sekwencyjne dane wejściowe takie jak skany MRI lub dane szeregów czasowych pacjenta . Następnie model uczy się na podstawie sekwencyjnych wzorców i wykorzystuje tę wiedzę do klasyfikowania czy guz mózgu jest obecny czy nie. Nasz model wykorzystuje zależności czasowe w danych obrazowania medycznego w celu poprawy dokładności i niezawodności wykrywania guzów. Model LSTM działa lepiej niż tradycyjne metody co pokazują nasze wyniki. Skutkuje to wysoką dokładnością i cennym wglądem w wykryty obszar guza. Ponadto badamy interpretowalność LSTM i potencjalną integrację z informacjami klinicznymi w celu poprawy diagnostyki i planowania.