Feasibility Evaluation of Brain Tumor Magnetic Resonance Imaging Classification Using Convolutional Neural Network Model

서지정보

ㆍ발행기관 : 대한자기공명기술학회 ㆍ수록지정보 : 대한자기공명기술학회지 / 31권 / 1호
ㆍ저자명 : Joo Wan Hong

목차

ABSTRACT
Ⅰ. Introduction
Ⅱ. Materials and Methods
1. MRI dataset
2. Neural network learning specification
3. Neural network input data conversion
4. Evaluation of neural network learning
Ⅲ. Results
Ⅳ. Discussion and Conclusion
References
요 약

한국어 초록

자기공명영상은 고해상도의 연부조직에 대한 영상정보를 제공하며, 뇌종양 등 연부조직 진단에 활용된다. 본 연구는 합성곱신경망 인공지능을 통해 뇌종양 자기공명영상 분류성능을 확인해 보고자 한다. 4개 종류로 구분된 3264 장의 MRI 데이터 세트(data set)를 이용하였으며, 인공지능 학습을 위해 훈련용 데이터와 시험용 데이터를 9 : 1, 훈련용 데이터의 10%를 검증용 데이터로 구분하였다. 합성곱신경망은 기본 CNN과 VGG16으로 구성하였으며, 학습 평가는 정확도와 손실율로 확인하였으며, 생성된 모델을 통해 분류성능 정확도를 확인하였다. 실험 결과 과적합은 없었으며, 분류성능은 기본 CNN과 VGG16 각각 67%와 80%의 분류성능을 보였다. 도출된 뇌종양 자기공명영상 분류 결과를 통해 자기공명영상과 인공지능 접목에 관한 기초 자료로 사용될 수 있을 것이라 사료된다.

영어 초록

Magnetic resonance imaging (MRI) offers information about soft tissues using high-resolution imaging and is widely used for diagnosing conditions such as brain tumors. The purpose of this study was to verify the MRI brain tumor classification function through the convolutional neural network in artificial intelligence. This study used 3,264 MRI datasets which were divided into four classes. To learn artificial intelligence, the training and test datasets were set at 9:1, and 10% of the training dataset was designated as the validation dataset. The convolutional neural network (CNN) was composed of basic CNN and VGG16. Learning was verified through accuracy and loss. The accuracy of the classification function was confirmed through the generated models. There was no overfitting, and the classification function of basic CNN and VGG16 was found to be 67% and 80%, respectively. The MRI brain tumor classification results obtained in this study can be used as the basic data to graft MRI with artificial intelligence.

참고 자료

없음