可解释的三维多模态残差卷积神经网络用于轻度创伤性脑损伤诊断
原文中文，约500字，阅读约需2分钟。发表于：。通过在 Mild Traumatic Brain Injury (mTBI) 诊断模型中增加解释性的 3D 多模态残差卷积神经网络（MRCNN）和屏蔽敏感图（OSM），我们展示了该模型在 mTBI 诊断中的出色表现，平均准确度为 82.4%，敏感度为 82.6%，特异度为 81.6%，并经过五折交叉验证过程验证。与基于 CT 的残差卷积神经网络（RCNN）模型相比，MRCNN...
该论文提出了使用多个模型来高效检测脑肿瘤，并创建自动分类脑肿瘤的系统。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 和 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。该论文提供了数据集，并公开了实现。
