Details

The Glioma brain tumor is a malignant disease that earlier detection and instant treatment will increase the survival rate. This study aims to develop an accurate and effective methodology for assistance prediction of glioma brain tumors using computer vision techniques with various CNN deep learning pre-trained networks. The dataset comprised converted MRI images from REMBRANDT and BRaTS2021. The increasing number of MRI images and different sources of datasets prevent overfitting problems. Initially, the preprocessing stage morphological operation and Contrast Limited Adaptive Histogram Equalization (CLAHE) algorithm were performed to remove skeletons and artifacts and optimize the contrast of images for readiness classification. The obtained dataset was highly imbalanced between minority and majority classes. Therefore, image augmentation was conducted to increase the number of training datasets. The various deep-learning CNNs for network training with balanced and imbalanced datasets were performed. The obtained result showed that the accuracy from the CNNs training network was significantly improved using the balanced dataset. The discriminative image region to interpret the predicted result using the grad-CAM algorithm was proposed in the final stage for trustworthiness. The experimental result showed that the best approach is the inceptionV3 CNN network with a balanced dataset. The obtained accuracy is 99.19%, sensitivity 98.83%, specificity 100%, and the AUC is 0.99 outperforming the previous study.

Objective

1.	เนื่องจากเนื้องอกสมองชนิดกลิโอมาพบได้มากการตรวจพบแต่เนิ่นและรับการรักษาอย่างทันท่วงทีจะช่วยเพิ่มโอกาสรอดชีวิต
2.	การวินิจฉัยเนื้องอกสมองโดยเจ้าหน้าที่ทางการแพทย์โดยการอ่านภาพถ่าย MRI ด้วยตาเปล่ามีโอกาสผิดพลาดได้ รวมทั้งในพื้นที่ห่างไกลที่เจ้าหน้าที่ชำนาญการขาดแคลน การใช้เทคนิคคอมพิวเตอร์วิชันเพื่อเป็นเครื่องมือช่วยในการวินิจฉัยได้แม่นยำขึ้น
3.	การใช้เครือข่ายประสาทเทียมแบบคอนโวลูชันที่ได้รับการปรับปรุงให้แม่นยำและน่าเชื่อถือจะสามารถเป็นเครื่องมือช่วยการตัดสินใจการทำนายผลได้ดีกว่าสายตามนุษย์ซึ่งต้องอาศัยความชำนาญและประสบการณ์

Project Members

นพดล มณีรัตน์

#อาจารย์

Member

พงษ์ศักดิ์ พิลาอุ่น

PONGSAK PILAOON

#นักศึกษา

Member

Vote for this Innovation!