AI और दुनिया की कठिन समस्याएँ · चिकित्सा और दवा खोज · Nature (computational biology) · 2026-10-18

एनसेंबल फीचर एक्सट्रैक्शन का उपयोग करके ब्रेन ट्यूमर के वर्गीकरण और सेगमेंटेशन के लिए मल्टी-टास्क डीप लर्निंग फ्रेमवर्क

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

ब्रेन ट्यूमर का शुरुआती और सटीक निदान उपचार की योजना बनाने के लिए ज़रूरी है, लेकिन MRI की मैन्युअल समीक्षा धीमी होती है और उसमें मानवीय त्रुटि की संभावना रहती है, और वर्गीकरण (classification) तथा सेगमेंटेशन (segmentation) को अलग-अलग करने से गणनात्मक लागत भी बढ़ जाती है। लेखकों ने एक मल्टी-टास्क डीप लर्निंग फ्रेमवर्क प्रस्तावित किया है, जो ResNet-50, EfficientNet-B5 और CNN फीचर्स को अटेंशन मॉड्यूल के साथ जोड़ता है और डायनेमिक वेटिंग के माध्यम से उन्हें फ्यूज़ करता है। यह पहले वर्गीकरण करता है और U-Net++ सेगमेंटेशन तभी चलाता है जब ट्यूमर का पता चलता है; एक सार्वजनिक MRI डेटासेट पर इसने 99.84% वर्गीकरण सटीकता, 91.22% Dice गुणांक और 89.01% IoU दर्ज किया।

मूल लेख पढ़ें ↗

सभी आइटम →