Journal de recherche sur les tumeurs
Libre accès

Abstrait

Identification de la tumeur cérébrale à partir d'une image IRM à l'aide d'un réseau neuronal convolutionnel

Sunil Kumar, Renu Dhir, Nisha Chaurasia

La mortalité des patients atteints d'une tumeur cérébrale augmente de jour en jour en raison du dépistage approprié de la tumeur au stade primaire. Parce qu'elle affecte le système nerveux vital du corps humain, une tumeur cérébrale ou un cancer est l'un des types de cancer les plus mortels. Le cerveau est incroyablement vulnérable aux infections qui peuvent altérer ses fonctions. Les cellules cérébrales sont sensibles et difficiles à régénérer lorsqu'elles sont infectées par des maladies dangereuses. La tumeur est classée comme tumeurs bénignes ou malignes. Cette thèse propose une détection supérieure des tumeurs cérébrales en utilisant des approches CNN basées sur des techniques d'apprentissage profond pour détecter et classer les tumeurs bénignes et malignes. Cet article traite de l'utilisation d'un système de réseau neuronal à convolution (CNN) pour classer différents types de tumeurs cérébrales. Nous avons utilisé des paramètres de performance tels que l'exactitude, la précision et la sensibilité pour évaluer les modèles de performance. L'ensemble de données utilisé est un ensemble de données d'images IRM 3064 T contenant des images IRM Br35H, et il est divisé en 70 % d'entraînement, 15 % de validation et 15 % de test. La méthode CNN sélectionne la caractéristique de l'ensemble de données Br35H. Nous avons obtenu une précision de classification de 99,04 pour cent et une précision de validation de 99,00 pour cent.