AI 與世界的難題 · 醫學與藥物探索 · Nature (computational biology) · 2026-10-18
運用集成特徵擷取的多任務深度學習框架於腦瘤分類與分割
原標題: Multi-task deep learning framework for brain tumor classification and segmentation using ensemble feature extraction
腦瘤的早期精準診斷對治療規劃至關重要，但人工審閱 MRI 影像速度緩慢且容易出現人為錯誤，而分類與分割分開進行還會增加運算成本。作者提出一種多任務深度學習框架，結合 ResNet-50、EfficientNet-B5 與 CNN 特徵並搭配注意力模組，再透過動態加權進行融合。該框架先進行分類，只有在偵測到腫瘤時才執行 U-Net++ 分割；在公開的 MRI 資料集上，其分類準確率達 99.84%，Dice 係數為 91.22%，IoU 為 89.01%。