Aug, 2023
考虑数据不均衡的可解释的代价敏感深度神经网络用于脑MRI图像中的脑肿瘤检测
Explainable Cost-Sensitive Deep Neural Networks for Brain Tumor
Detection from Brain MRI Images considering Data Imbalance
TL;DR这篇论文提出了使用卷积神经网络(CNN)、ResNet50、InceptionV3、EfficientNetB0和NASNetMobile模型来高效检测脑肿瘤，以减少手工检查报告的时间并创建自动分类脑肿瘤的系统的研究。提出了一个自动化流程，其中包括CNN、ResNet50、InceptionV3、EfficientNetB0和NASNetMobile五个模型。在平衡数据集上评估了所提出架构的性能，并发现细调的InceptionV3模型的准确率为99.33%。此外，还采用可解释的人工智能方法来可视化模型潜在行为，以了解其黑盒行为。为了进一步优化训练过程，提出了一种成本敏感的神经网络方法，以处理不平衡数据集，在我们的实验中取得了比传统模型准确率高近4%的成果。成本敏感的InceptionV3(CS-InceptionV3)和CNN(CS-CNN)在不平衡数据集上分别显示出92.31%的准确率和1.00的召回率，具有很大的潜力来提高肿瘤检测准确度，并且必须进一步开发以应用于实际解决方案。我们提供了数据集，并公开了我们的实现。