基于Swim Transformer的脑癌MRI图像智能辅助诊断模型

摘要

本研究探索了Swin Transformer在脑癌MRI图像分类任务中的应用潜力。通过迁移学习方法，我们对预训练的Swin-T模型进行了微调，使其适应脑部肿瘤MRI分类任务。实验结果表明，该模型在脑胶质瘤、脑膜瘤和一般脑肿瘤三类病变的分类任务中展现出优异的性能，分类准确率达到了100%，置信度显著。这一研究为医学影像AI辅助诊断系统提供了有价值的实践参考。

文末有代码分享

1. 引言

脑部肿瘤的早期诊断对改善患者预后具有重要意义。传统的MRI影像诊断需要经验丰富的放射科医师进行分析与判断，存在主观性和工作量大的问题。近年来，深度学习在医学影像分析领域取得了显著进展，特别是Vision Transformer模型展现出了优于传统卷积神经网络(CNN)的性能。本研究旨在探索Swin Transformer模型在脑部MRI影像中的应用价值，为临床辅助诊断提供技术支持。

2. 方法

2.1 数据集

本研究使用了公开的脑癌MRI数据集，包含三类脑部病变:脑胶质瘤(脑胶质瘤)、脑膜瘤(脑膜瘤)和一般脑肿瘤(脑肿瘤)。我们按照8:1:1的比例将数据集划分为训练集、验证集和测试集，并确保各类别在划分后保持平衡分布。

https://www.kaggle.co