利用BrainFusion加速脑部诊断：一个全面的MRI肿瘤分析框架
计算机视觉与模式识别
2025-09-30 v1 人工智能
机器学习
摘要
脑肿瘤的早期和准确分类对于指导有效的治疗策略和改善患者预后至关重要。本研究提出了BrainFusion，这是脑部肿瘤分析的重大进展，利用磁共振成像（MRI），将经过微调的卷积神经网络（CNN）用于肿瘤分类——包括VGG16、ResNet50和Xception——与YOLOv8用于通过边界框进行精确的肿瘤定位相结合。利用脑肿瘤MRI数据集，我们的实验表明，经过微调的VGG16模型达到了99.86%的测试准确率，大幅超越了先前的基准。除了设定新的准确率标准外，边界框定位和可解释AI技术的结合进一步增强了系统输出的临床可解释性和可信度。总体而言，该方法强调了深度学习在提供更快、更可靠诊断方面的变革潜力，最终有助于改善患者护理和生存率。
引用
@article{arxiv.2509.24149,
title = {Accelerating Cerebral Diagnostics with BrainFusion: A Comprehensive MRI Tumor Framework},
author = {Walid Houmaidi and Youssef Sabiri and Salmane El Mansour Billah and Amine Abouaomar},
journal= {arXiv preprint arXiv:2509.24149},
year = {2025}
}
备注
6 pages, 4 figures, 3 tables. Accepted at the 12th International Conference on Wireless Networks and Mobile Communications 2025 (WINCOM 2025)