Zeitschrift für Informationstechnologie und Softwareentwicklung
Offener Zugang

Abstrakt

Mit Deep Learning Hirntumoren im Frühstadium erkennen

Probuddha Konwar, Julius Bhadra, Manash Jyoti Dutta, Jintu Dowari

Bei der Behandlungsplanung und quantitativen Bewertung von Hirntumoren ist die Bestimmung des Tumorausmaßes eine große Herausforderung. Die nichtinvasive Magnetresonanztomographie (MRT) hat sich als Erstlinien-Diagnosetechnik für Hirntumore ohne Verwendung ionisierender Strahlung entwickelt. Die Segmentierung des Ausmaßes eines Hirntumors manuell anhand von 3D-MRT-Volumina ist ein zeitaufwändiger Prozess, der stark von der Kompetenz des Bedieners abhängt. Für eine korrekte Bewertung des Tumorausmaßes ist in diesem Szenario ein zuverlässiger, vollautomatischer Hirntumor-Segmentierungsansatz erforderlich. In diesem Artikel stellen wir eine vollständig automatisierte Hirntumor-Segmentierungsmethode vor, die auf tiefen Faltungsnetzwerken von U-Net basiert. Die Datensätze der Multimodal Brain Tumor Image Segmentation (BRATS 2015) wurden verwendet, um unseren Ansatz zu testen, der 220 hochgradige Hirntumoren umfasste.