南乌拉尔国大学的科学家与外国同事合作，提出了一种基于深度学习神经网络技术的MRI图像分类模型，该模型可以更快，更准确地检测出恶性脑瘤。 该研究结果发表在高级科学期刊《大数据》上，并在科学计量Scopus数据库中建立了索引。
深度研究神经网络以诊断脑肿瘤
胶质母细胞瘤是一种4期恶性脑肿瘤，其中大部分肿瘤细胞不受控制地增殖。 此类肿瘤会危及生命，并可能导致部分或完全的精神和身体残疾。
.jpg)
这项研究是由一个国际科学小组进行的，该研究小组由印度大学的五名代表和南乌拉尔国立大学的代表组成-电子科学高等学校的系统编程系资深研究员，博士后 库马拉·撒那 和物理与数学博士学位，米哈伊尔·辛比勒 副教授，致力于研究MRI图像的计算机分析方法 （磁共振成像）技术基于人工神经网络技术检测胶质母细胞瘤。
深度研究是一种广泛使用的图像分类方法，因为它可以自动从图像中提取数据以进行进一步处理。 但是，由于尚未开发出相应的严格数学验证程序，因此不能保证所提取特征的正确性。
“这项研究提出了一种使用混合方法的新的基于深度研究的MRI分类模型。该模型假定一个三阶段分类。在第一个阶段，将执行初步的数据处理，这涉及通过离散小波变换（该功能可让您分析数据的频率）从图像中提取特征，对图像进行矢量化（使其可以缩放图像而不会损失质量）并构造其他特征进行处理。第二阶段与使用主成分分析的图像降维有关，并提供了降维特征向量，用于更准确的图像分类。 第三阶段涉及一堆受限的玻尔兹曼机器（RBM），这些机器形成了具有隐藏级别的深层信任网，从而完成了分类过程。
.jpg)
通常，深层信任网络需要大量隐藏的神经网络层，每层中都包含许多神经元，以便从图像中更好地提取特征。这增加了模型的空间和计算复杂度以及训练时间。但是，由于集成到小波变换模型中，因此降低了复杂度和训练时间。统计验证证实，在训练时间和分类准确性方面，提出的混合分类模型领先于已知的类似模型。
神经网络将帮助医生
该研究中提出的方法可用于开发使用MRI图像诊断和检测肿瘤及其他细胞病变的自动化系统。
“MRI可以产生大脑的高对比度图像，这对人类诊断非常有用，但它需要具有医学背景的训练有素的专业人员才能阅读和理解此类图像。 米哈伊尔·辛布勒 说：“人工神经网络技术允许自动化，简化和加速诊断过程，最大程度地减少一个人的日常工作并降低其资格要求，同时确保更高的诊断准确性。”
当使用大量包含咬合模板的MRI图像时，可以朝着提高分类模型效率的方向扩展研究。阻塞通常表示大脑血管阻塞，需要特别注意以进行正确诊断。这项研究没有考虑将开发的模型用于具有咬合模板的肿瘤，因此将深度研究方法应用于这些数据是未来研究的有趣方向。
南乌拉尔国立大学是5-100计划的参与者，该项目旨在提高俄罗斯大学在世界领先的研究和教育中心中的竞争力。
数字产业领域的研究是南乌拉尔国立大学与生态学和材料科学一起发展科学和教育活动的三个战略方向之一。
请在社交网络上关注我们：
