ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-18
Многозадачная модель глубокого обучения для классификации и сегментации опухолей головного мозга на основе ансамблевого извлечения признаков
Оригинальное название: Multi-task deep learning framework for brain tumor classification and segmentation using ensemble feature extraction
Раннее и точное выявление опухолей головного мозга необходимо для планирования лечения, однако ручной анализ МРТ-снимков медленен и подвержен человеческим ошибкам, а раздельные классификация и сегментация увеличивают вычислительные затраты. Авторы предлагают многозадачную модель глубокого обучения, которая объединяет признаки ResNet-50, EfficientNet-B5 и CNN с модулями внимания, объединяя их с помощью динамического взвешивания. Сначала модель выполняет классификацию и запускает сегментацию U-Net++ только при обнаружении опухоли; на общедоступном наборе данных МРТ она показала точность классификации 99.84%, коэффициент Дайса 91.22% и IoU 89.01%.