在实验中，我为工具添加了两个新功能：确保程序在所有情况下正确退出，并支持多个模型。通过在Python中使用sys.exit()实现错误处理，并修改api.py和DocBot.py代码。我还认识到使用git命令的重要性。这些改进将提升调试和用户体验。

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。