AI এবং বিশ্বের কঠিন সমস্যাগুলো · চিকিৎসা ও ওষুধ আবিষ্কার · Nature (computational biology) · 2026-10-18

এনসেম্বল ফিচার এক্সট্র্যাকশন ব্যবহার করে ব্রেন টিউমার শ্রেণিবিন্যাস ও সেগমেন্টেশনের জন্য মাল্টি-টাস্ক ডিপ লার্নিং ফ্রেমওয়ার্ক

মূল শিরোনাম: Multi-task deep learning framework for brain tumor classification and segmentation using ensemble feature extraction

ব্রেন টিউমারের প্রাথমিক ও নির্ভুল রোগনির্ণয় চিকিৎসা পরিকল্পনার জন্য অত্যন্ত গুরুত্বপূর্ণ, কিন্তু ম্যানুয়ালি MRI পর্যালোচনা ধীরগতির এবং মানুষের ভুলের সম্ভাবনাযুক্ত, আর আলাদাভাবে শ্রেণিবিন্যাস ও সেগমেন্টেশন করলে গণনার খরচ বাড়ে। লেখকরা একটি মাল্টি-টাস্ক ডিপ লার্নিং ফ্রেমওয়ার্ক প্রস্তাব করেছেন, যা ResNet-50, EfficientNet-B5 এবং CNN ফিচারকে অ্যাটেনশন মডিউলের সঙ্গে একত্র করে এবং ডাইনামিক ওয়েটিংয়ের মাধ্যমে ফিউজ করে। এটি প্রথমে শ্রেণিবিন্যাস করে এবং টিউমার শনাক্ত হলেই কেবল U-Net++ সেগমেন্টেশন চালায়; একটি পাবলিক MRI ডেটাসেটে এটি ৯৯.৮৪% শ্রেণিবিন্যাস নির্ভুলতা, ৯১.২২% Dice সহগ এবং ৮৯.০১% IoU অর্জনের কথা জানিয়েছে।

মূল লেখা পড়ুন ↗

সব আইটেম →