Aufmerksamkeitsgesteuerter Transfer-Lernrahmen für die Vier-Klassen-Klassifizierung von Hirntumoren mittels MRT

Summary

Diese Studie präsentiert ein leichtes auf Aufmerksamkeit basierendes Deep-Learning-Framework für die Vier-Klassen-Klassifizierung von Hirntumoren aus MRT-Bildern unter Verwendung von Transfer-Learning mit MobileNetV2, EfficientNetV1 und Inception-ResNet-V2. Das Modell erreicht eine hohe Klassifizierungsgenauigkeit bei reduzierter rechnerischer Komplexität und unterstützt ressourcenbeschränkte klinische Entscheidungsunterstützungsanwendungen.

Abstract

Das Ziel dieser Forschung ist es, ein leichtes, aber genaues Deep-Learning-Framework zur Klassifizierung von Hirntumoren in vier Kategorien—Gliome, Meningiome, Hypophysentumoren und gesundes Hirngewebe—unter Verwendung von Magnetresonanztomographie-Daten (MRT) zu entwickeln. Die vorgeschlagene Methodik kombiniert Transfer Learning mit drei vorgefertigten konvolutionellen neuronalen Netzmodellen—MobileNetV2, EfficientNetV1 und Inception-ResNet-V2—integriert mit einem Aufmerksamkeitsmechanismus, der die Fähigkeit des menschlichen visuellen Systems nachahmt, sich auf klinisch relevante Bereiche eines Bildes zu konzentrieren. Dieser aufmerksamkeitsgesteuerte Ansatz verbessert die Tumorlokalisierung und unterdrückt irrelevante Hintergrundinformationen. Das Framework wird anhand eines großen, öffentlich verfügbaren MRT-Hirndatensatzes mit Tausenden von etikettierten Bildern in den vier Klassen bewertet. Standardmäßige Vorverarbeitung, Datenerweiterung und Trainingsprotokolle werden eingesetzt, um eine unkomplizierte Replikation der vorgeschlagenen Methode zu ermöglichen. Experimentelle Ergebnisse zeigen, dass EfficientNetV1 die höchste Klassifizierungsleistung erreicht und eine überlegene Genauigkeit im Vergleich zu MobileNetV2 und Inception-ResNet-V2 aufweist. Die Studie kommt zu dem Schluss, dass das vorgeschlagene leichte, aufmerksamkeitsbasierte Framework eine effektive Balance zwischen Genauigkeit und Rechenkomplexität schafft und es somit besonders für Echtzeit- und mobile Gesundheitsanwendungen, insbesondere in ressourcenbeschränkten Umgebungen, gut geeignet ist.

Introduction

Die genaue Klassifizierung von Hirntumoren mittels Magnetresonanztomographie (MRT) spielt eine entscheidende Rolle bei der klinischen Diagnose, der Behandlungsplanung und der Prognoseabschätzung¹. Hirntumoren, einschließlich Gliom, Meningeom und Hypophysentumoren, weisen unterschiedliche pathologische Merkmale und Behandlungsreaktionen auf; daher ist eine frühzeitige und zuverlässige Identifizierung für die Verbesserung der therapeutischen Ergebnisse und die Verringerung des Krankheitsfortschritts unerlässlich. MRT wird häufig zur Beurteilung von Hirntumoren bevorzugt, da es einen überlegenen Weichgewebekontrast, eine nicht-invasive Natur und die Möglichkeit bietet, die Tumormorphologie in mehreren anatomischen Ebenen zu visualisieren. Die manuelle Interpretation von MRT-Scans ist jedoch oft zeitaufwändig und stark von der radiologischen Expertise abhängig, insbesondere wenn Tumorgrenzen unregelmäßig sind oder wenn visuelle Ähnlichkeiten zwischen Tumorklassen bestehen. Folglich sind automatisierte computergestützte Diagnosesysteme für die Unterstützung von Radiologen bei der genauen und effizienten Tumorklassifizierung immer wichtiger geworden.

Bildanalysetechniken auf Basis von Deep Learning (DL) haben die automatisierte Krankheitsklassifizierung in biomedizinischen und Computer-Vision-Anwendungen erheblich vorangebracht^2,3. In der Neuro-Onkologie haben maschinelles Lernen und Transfer-Learning-Techniken vielversprechende Leistungen für Aufgaben der Tumorerkennung, -segmentierung und -klassifizierung gezeigt⁴. Insbesondere Convolutional Neural Networks (CNNs) haben eine überlegene Fähigkeit gezeigt, hierarchische Bildmerkmale direkt aus MRT-Scans zu extrahieren, ohne auf handgefertigte Feature-Engineering-Techniken zurückgreifen zu müssen. CNN-Architekturen können diskriminative tumorbezogene Repräsentationen aus Bilddaten lernen und dadurch die Klassifizierungsleistung im Vergleich zu herkömmlichen maschinellen Lernansätzen verbessern. Jüngste Fortschritte im DL haben die Entwicklung von Hochleistungs-Bildklassifizierungssystemen ermöglicht, die in der Lage sind, große Bilddatensätze mit verbesserter Präzision und reduziertem menschlichen Eingriff zu verarbeiten.

Trotz dieser Fortschritte erfordern herkömmliche Deep-CNN-Architekturen oft erhebliche Rechenressourcen, einschließlich hohem Speicherverbrauch, erhöhter Parameterkomplexität und langer Trainingszeit⁵. Diese rechnerischen Anforderungen beschränken ihre Implementierung in ressourcenbeschränkten klinischen Umgebungen und mobilen Gesundheitssystemen. Zusätzlich haben leichtgewichtige Convolutional-Neural-Network-Architekturen zunehmende Aufmerksamkeit aufgrund ihrer reduzierten Rechenkomplexität und Eignung für den Einsatz in ressourcenarmen Anwendungen auf sich gezogen⁵. Mehrere neuere Studien haben optimierte CNN-Strategien, effiziente Merkmalsextraktionsmechanismen und leichtgewichtige Bereitstellungsrahmen untersucht, um die Klassifizierungseffizienz zu verbessern, ohne die Vorhersagegenauigkeit erheblich zu beeinträchtigen^6,7,8. Allerdings bleibt die Ausbalancierung der rechnerischen Effizienz mit einer robusten Multi-Klassen-Tumorklassifizierungsleistung eine große Herausforderung bei der MRT-basierten Hirntumoranalyse⁹.

Aufmerksamkeitsbasierte Deep-Learning-Frameworks haben sich als effektive Lösungen zur Verbesserung der Merkmalsrepräsentation in der medizinischen Bildanalyse erwiesen¹⁰. Aufmerksamkeitsmechanismen ermöglichen es neuronalen Netzen, diagnostisch relevante Bildbereiche selektiv zu betonen und irrelevante Hintergrundinformationen zu unterdrücken. Inspiriert vom menschlichen visuellen System verbessern aufmerksamkeitsgesteuerte Architekturen das diskriminative Merkmalslernen, indem sie die rechnerische Aufmerksamkeit auf tumorspezifische räumliche Bereiche und kontextuelle Merkmale lenken. Solche Mechanismen sind besonders vorteilhaft für die MRT-Analyse von Hirntumoren, da Tumorgewebe häufig heterogene Intensitätsmuster, unregelmäßige Morphologie und überlappende visuelle Merkmale zwischen Tumorkategorien aufweisen. Folglich kann die Integration von Aufmerksamkeitsmodulen in CNN-basierte Architekturen die Klassifizierungsgenauigkeit verbessern und die Merkmalslokalisationsleistung steigern.

Mehrere neuere Studien haben das Potenzial von DL-Frameworks für die automatisierte Hirntumordiagnose und MRT-basierte Tumorklassifizierung gezeigt^11,12. Gao et al. entwickelten und validierten ein DL-Modell für die Hirntumordiagnose mittels MRT-Daten und demonstrierten eine starke Klassifizierungsfähigkeit für automatisierte Neuroimaging-Analyse¹¹. Ähnlich untersuchten Abdusalomov et al. DL-basierte Ansätze zur Hirntumorerkennung mittels MRT-Scans und berichteten vielversprechende diagnostische Leistungen¹². Obwohl diese Studien eine verbesserte Klassifizierungsgenauigkeit erzielten, bleiben Einschränkungen in Bezug auf Datensatzvielfalt, Modellverallgemeinerung und Rechenanforderungen ungelöst. In vielen Fällen waren die Trainingsdatensätze begrenzt in der Größe oder von eingeschränkten klinischen Quellen abgeleitet, was das Risiko des Überanpassens erhöhte und die Robustheit über heterogene Patientenpopulationen hinweg reduzierte.

Um die Tumorvisualisierung und Merkmalsextraktion zu verbessern, wurden auch multimodale MRT-Analyse- und Rekonstruktionstechniken untersucht^13,14. Sun et al. untersuchten die multimodale MRT-basierte Gliombewertung mittels eines Deep-Learning-Rekonstruktionsrahmens in Kombination mit Rauschunterdrückungsstrategien¹³. Ihre Arbeit zeigte die Bedeutung der Bildqualitätsverbesserung für die Verbesserung der Gliomerkennungsgenauigkeit. Ähnlich schlugen Srinivas und Rao einen DL-basierten Segmentierungsrahmen für die Analyse von multimodalen MRT-Hirntumorunterregionen vor¹⁴. Ihr Ansatz verbesserte die Tumorunterregionenabgrenzung und trug zur individuellen Behandlungsplanung bei. Nichtsdestotrotz erfordern multimodale Frameworks im Allgemeinen umfangreiche Vorverarbeitung, erhöhte Rechenressourcen und präzise Bildregistrierung zwischen den Bildgebungsmodalitäten, was ihre Anwendbarkeit in praktischen klinischen Umgebungen einschränken kann.

Aufmerksamkeitsgesteuerte multimodale Fusionsmethoden wurden auch zur Verbesserung der Segmentierungsgenauigkeit und MRT-Merkmalsintegration vorgeschlagen^15,16,17,18. Zhou et al. führten ein Fusionsrahmen auf Basis eines Aufmerksamkeitsmechanismus für die multimodale Hirntumorsegmentierung ein¹⁵. Die Studie zeigte verbesserte Segmentierungsleistungen durch kontextuelles Merkmalslernen; allerdings konzentrierte sich der Ansatz hauptsächlich auf die Segmentierung und nicht auf die leichtgewichtige Tumorklassifizierung. Ähnlich schlugen Zhou und Du ein 3D-Multimodal-Netzwerk für beschleunigte MRT-Rekonstruktion vor¹⁶, während Huang et al. AMF-Net entwickelten, ein adaptives Multisequenzen-Fusionsnetzwerk für die multimodale Hirntumordiagnose¹⁷. Zhou et al. schlugen weiter MLMFNet für die multimodale beschleunigte MRT-Rekonstruktion vor¹⁸. Obwohl diese Methoden die Rekonstruktionsqualität und die Merkmalsfusionsfähigkeit verbesserten, waren sie stark abhängig von mehreren MRT-Modalitäten, tiefen Architekturen und rechenintensiven Fusionsoperationen. Solche Anforderungen können ihre Machbarkeit für den Einsatz in ressourcenbeschränkten Gesundheitssystemen und Edge-basierten Diagnoseplattformen reduzieren.

Zusätzliche Studien haben DL-Frameworks speziell für die Klassifizierung von Gliomen, Meningeomen und Hypophysentumoren mittels MRT-Bildern untersucht¹⁹. Mokri et al. entwickelten ein DL-basiertes Klassifizierungssystem zur Identifizierung der drei Hauptarten von Hirntumoren

Protocol

Diese Studie verwendete einen öffentlich zugänglichen, anonymisierten Datensatz; daher war keine informierte Einwilligung erforderlich. Der vorgeschlagene Ansatz besteht aus sechs Komponenten: Vorverarbeitung, Konvolutionsmodul, Aufmerksamkeitsmodul, Integration von Konvolutions- und Aufmerksamkeitsmodulen und vollständig verbundene (FC) Schichten. Abbildung 1 zeigt den vollständigen Workflow unserer Methode.

Datenakquisition
Etikettierte Hirn-MRT-Bilder werden aus einem öffentlich zugänglichen Kaggle-Datensatz mit vier Tumorkategorien und normalem Gewebe erhalten.

Datenvorverarbeitung
Die Bilder werden auf eine einheitliche Auflösung verkleinert und intensitätsnormiert. Optionale Erweiterungen (Rotation, Umkehrung, Zoomen) werden angewendet, um die Verallgemeinerung zu verbessern. Der Datensatz wird in Trainings- (70 %) und Testsätze (30 %) aufgeteilt.

Modellarchitektur
Drei vortrainierte CNN-Backbones auf ImageNet – MobileNetV2, EfficientNetV1 und Inception-ResNet-V2 – wurden verwendet, um Hirntumore in vier Kategorien unter Verwendung von MRT-Bildern zu klassifizieren. MobileNetV2 und EfficientNetV1 wurden mit einer Eingabedimension von 224 × 224 Pixeln konfiguriert, während Inception-ResNet-V2 eine Eingabegröße von 299 × 299 Pixeln erforderte. Im Transfer-Learning-Prozess wurden die anfänglichen Konvolutionsschichten zu Beginn eingefroren, um verallgemeinerte Bildmerkmale beizubehalten, während die oberen Schichten fein abgestimmt wurden, um das Modell für die Hirntumorklassifizierung anzupassen. Jedem Backbone wurde ein leichter Klassifikationskopf zugeordnet, der Global Average Pooling, dichte Schichten, Dropout zur Regularisierung und eine Softmax-Aktivierungsfunktion zur Vorhersage von vier Klassen umfasste. Dropout wurde implementiert, um Überanpassung zu reduzieren und die Verallgemeinerung zu verbessern. Die entworfene Architektur verschmolz effektiv effiziente Merkmalsextraktion mit geringeren Rechenanforderungen und ermöglichte eine präzise Klassifizierung bei gleichzeitiger Eignung für den Einsatz in ressourcenbeschränkten und Proof-of-Concept-Szenarien.

Aufmerksamkeitsbasierte Merkmalsextraktion
Eingabebilder werden durch eine anfängliche Konvolutionsschicht gefolgt von einem benutzerdefinierten Aufmerksamkeitsmodul verarbeitet. Paralleles Max-Pooling und Average-Pooling erfassen auffällige und kontextuelle Merkmale, die verkettet und durch Konvolution verfeinert werden, um tumorrelevante Bereiche zu betonen.

Konvolutions-Backbone und Fusion
Aufmerksamkeitsgewichtete Merkmale werden an vortrainierte Backbones (MobileNetV2, EfficientNetV1 oder Inception-ResNet-V2) weitergeleitet. Hochgradige Konvolutionsschichten werden logisch verschmolzen, um den Zugriff auf den Speicher zu reduzieren und die Recheneffizienz zu verbessern.

Klassifikation
Geglättet werdende Merkmale werden durch vollständig verbundene Schichten mit ReLU6-Aktivierung und Dropout geleitet, was eine kompakte Darstellung für die abschließende Vier-Klassen-Softmax-Klassifikation erzeugt.

Bewertung
Die Modellleistung wird anhand des Testsatzes mithilfe von Genauigkeit, Präzision, Rückruf, F1-Score und Verwirrungsmatrizen bewertet.

Framework-Entwicklung
Die vorgeschlagene Lösung wird in Python implementiert und verwendet Keras für die Ausführung. Tabelle 1 zeigt die Hyperparameter. Der Datensatz wird in einen Trainingssatz und einen Testsatz im Verhältnis 70:30 aufgeteilt. Fünf verschiedene willkürliche Aufteilungen von Trainings-/Tests werden verwendet, um die endgültige ausgewogene Leistung für jeden Datensatz anzuzeigen.

Vorverarbeitung
Die Eingabebilder müssen aktualisiert werden, da das MobileNetV2-Framework als Grundlage für die vorgeschlagene Lösung dient. Um hochauflösende Merkmale aus Fotos zu extrahieren, wird das vortrainierte MobileNetV2-Modell mit seiner Eingabedimension verwendet. Jedes Eingabebild wird dann auf 224×224 Pixel im Bereich [-1, 1] skaliert.

Das Konvolutionsmodell
MobileNetV2 verbessert die Bilderkennung durch die Verwendung einer effizienten Convolutional Neural Network (CNN) Architektur, die entwickelt wurde, um den Rechenaufwand zu minimieren. Während traditionelle CNNs hohe Genauigkeit erreichen, benötigen sie oft erheblichen Speicher und Rechenleistung. MobileNetV1 führte das Konzept der durchtrennbaren Tiefenkonvolution ein, die eine Standardkonvolution in zwei verschiedene Operationen aufteilt: Tiefenkonvolution zum Filtern von Eingaben und punktweise Konvolution zur Integration von Merkmalen. MobileNetV2 baut auf dieser Idee auf, indem es Flaschenhals-Residualblöcke integriert, die Erweiterungsschichten, Tiefenkonvolution, Projektionsschichten und Residualverbindungen umfassen. Die Projektionsschicht komprimiert Merkmalskanäle, während Residualverbindungen einen besseren Informationsfluss im gesamten Netzwerk ermöglichen. Um Stabilität zu verbessern und die Lernleistung zu verbessern, werden ReLU6-Aktivierung und Batch-Normalisierung nach konvolutionellen Operationen angewendet.

In dieser Forschung wurde MobileNetV2, vortrainiert auf ImageNet, als Backbone-Modell zur Merkmalsextraktion verwendet und lieferte effektive hochrangige semantische Repräsentationen bei gleichzeitig niedrigen Rechenkosten für die Hirntumorklassifikation. Nach jeder Konvolutionsschicht gibt es eine ReLU6-Aktivierungsschicht, die eine Anpassung der ReLU-Aktivierungsfunktion ist, bei der die Größe auf sechs maximiert wird, und eine Batch-Normalisierungsschicht. Die gängige 1x1-Konvolution, Average Pooling und Klassifikationsschichten werden auf 17 der verbleibenden Flaschenhalsblöcke angewendet und bilden die vollständige MobileNetV2-Architektur. Wir verwendeten MobileNetV2 als Backbone-Netzwerk, das auf ImageNet vortrainiert wurde. In einem solchen Fall wird die Konvolutionskarte aus dem letzten Residualblock nach dem Durchlaufen der MobileNetV2-Konvolutionsschicht erhalten. Niedrigere Residualblöcke produzieren kleinere Merkmalskarten. Solche Blöcke tragen nicht zu unserer Forschung bei, da sie keine hochrangigen Daten für die allgemeine Bildidentifikation sammeln. Während des Modellaufbaus und der Schulung bleiben die Schichten vor den Konvolutionsschichten, die eine 7 × 7 3D-Merkmalskarte erzeugen, fixiert. In mathematischer Form wird dies wie folgt in Gleichung (1) ausgedrückt:

F₁(I) = Conv(I)      (1)

Hierbei stellt F₁(I) das konvolutionelle Merkmal dar, das aus dem Eingabebild, I, extrahiert wird.

Der Fokusmodul
Der Aufmerksamkeitsmechanismus des menschlichen Gehirns, der impliziert, dass Menschen sich natürlich mehr auf signifikante visuelle Eingaben konzentrieren als auf jedes Detail in einem Bild, dient als Grundlage für das Design dieses Transformationsnetzwerks. In der Deep-Learning-Forschung wurden aufgrund dieser Idee zahlreiche auf Aufmerksamkeit basierende Modelle erstellt. Der vorgeschlagene Aufmerksamkeitsmechanismus hebt die räumlichen Korrelationen hervor, die in Hirntumorrepräsentationen zu sehen sind. Während das Kanal-Aufmerksamkeitsmodul die wichtigsten tumorbezogenen Informationen über Feature-Kanäle erfasst, identifiziert die regionale Aufmerksamkeitseinheit die informativsten Bereiche des MRT-Bildes. Mithilfe einer strukturierten Aufmerksamkeitsmethode konzentriert sich die vorgeschlagene Fokuseinheit auf Bereiche, die diskriminative Tumorinformationen enthalten.

Um die Merkmalsrepräsentation zu verbessern, werden Techniken wie Top Activation Pooling und ausgewogene Merkmalsextraktion vor der räumlichen Merkmalsdetektionsphase

Results

Drei vortrainierte Deep-Learning-Modelle, nämlich MobileNetV2, EfficientNetV1 und Inception-ResNet-V2, wurden für die Vier-Klassen-Klassifizierung von Hirntumoren unter Verwendung von MRT-Bildern bewertet.

Verwendeter Datensatz
Das vorgeschlagene Framework wurde mit einem öffentlich verfügbaren Hirntumor-MRT-Datensatz aus der Kaggle-Plattform bewertet. Der Datensatz bestand aus 835 normalen Hirn-MRT-Bildern, 826 Gliom-Bildern, 822 Meningiom-Bildern und 827 Hypophysentumor-Bildern. Repräsentative MRT-Beispiele aus dem Datensatz sind in Abbildung 2 gezeigt.

MobileNetV2
Das MobileNetV2-Modell enthielt insgesamt 2.263.108 Parameter, einschließlich 2.228.996 trainierbaren und 34.112 nicht-trainierbaren. Die Klassifizierungsleistungsmetriken sind in Tabelle 2 dargestellt. Das Modell erreichte eine Gesamtklassifizierungsgenauigkeit von 97% mit vergleichbaren makro- und gewichteten F1-Scores. Die in Tabelle 3 gezeigte Verwechslungsmatrix zeigt eine starke Klassifizierungsleistung für alle vier Tumorkategorien mit relativ wenigen Fehlklassifikationen zwischen Gliom und Meningiom.

Abbildung 3 zeigt die Trainings- und Validierungsgenauigkeit/Verlustkurven für MobileNetV2. Das Modell zeigte nach mehreren Trainingsepochen eine stabile Konvergenz, wobei sich die Validierungsleistung allmählich verbesserte.

Inception-ResNet-V2
Das Inception-ResNet-V2-Modell hatte 54.342.884 Gesamtparameter, einschließlich 54.282.340 trainierbaren und 60.544 nicht-trainierbaren. Die Klassifizierungsmetriken sind in Tabelle 4 zusammengefasst. Das Modell erreichte eine Gesamtklassifizierungsgenauigkeit von 98% und zeigte eine verbesserte Leistung im Vergleich zu MobileNetV2.

Die Verwechslungsmatrix in Tabelle 5 zeigt eine hohe Klassifizierungsgenauigkeit für alle Tumorkategorien mit reduzierten Fehlklassifizierungsraten. Eine verbesserte Unterscheidung zwischen den Tumorklassen wurde im Vergleich zum MobileNetV2-Modell beobachtet. Abbildung 4 zeigt die Trainings- und Validierungsleistungskurven für Inception-ResNet-V2. Das Modell zeigte ein stabiles Lernverhalten und eine konsistente Konvergenz über die Trainingsepochen hinweg.

EfficientNetV1
Das EfficientNetV1-Modell enthielt insgesamt 6.580.363 Parameter, einschließlich 6.518.308 trainierbaren und 62.055 nicht-trainierbaren. Die in Tabelle 6 zusammengefassten Klassifizierungsmetriken zeigen die höchste Leistung unter den bewerteten Modellen und erreichten eine Genauigkeit, Präzision, Recall und F1-Score von etwa 99%.

Die Verwechslungsmatrix in Tabelle 7 zeigt eine starke Klassifizierungsleistung für alle vier Tumorklassen mit minimalen Fehlklassifikationen. Das Modell klassifizierte die meisten Gliom-, Meningiom-, keine-Tumor- und Hypophysentumor-Bilder korrekt.

Abbildung 5 zeigt die Trainings- und Validierungsgenauigkeit/Verlustkurven für EfficientNetV1. Das Modell erreichte eine stabile Konvergenz mit geringeren Validierungsschwankungen im Vergleich zu den anderen bewerteten Architekturen.

Gesamtvergleich
Unter den bewerteten Modellen erreichte EfficientNetV1 die höchste Klassifizierungsleistung bei gleichzeitig niedrigerer Rechenkomplexität als Inception-ResNet-V2. MobileNetV2 zeigte eine effiziente Lightweight-Leistung mit reduzierten Parameteranforderungen, während Inception-ResNet-V2 eine verbesserte Klassifizierungsgenauigkeit auf Kosten einer wesentlich höheren Modellkomplexität erreichte. Die Ergebnisse zeigen, dass EfficientNetV1 das beste Gleichgewicht zwischen Klassifizierungsgenauigkeit und Recheneffizienz für die Vier-Klassen-MRT-Klassifizierung von Hirntumoren bietet.

Datenverfügbarkeit
Der in dieser Studie analysierte Hirn-MRT-Datensatz ist über die Kaggle-Plattform öffentlich verfügbar. Alle während dieser Studie generierten und analysierten Daten, einschließlich Klassifizierungsergebnisse, Leistungsmetriken, Verwechslungsmatrizen und Trainings-/Validierungsergebnisse, sind in den Abbildungen und Tabellen dieses Artikels dargestellt. Der für die Modellentwicklung und -bewertung verwendete benutzerdefinierte Code ist vom entsprechenden Autor auf vernünftige Anfrage erhältlich.

Abbildung 1: Attention-geleitetes Transfer-Learning-Framework für die Vier-Klassen-Klassifizierung von Hirntumoren. Der Workflow zeigt die für die MRT-basierte Tumorklassifizierung verwendeten Vorverarbeitungs-, attentionsbasierten Merkmalsextraktion, konvolutionelles Merkmalslernen, Merkmalsfusion und vollständig verbundene Klassifizierungsschichten. Bitte hier klicken, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 2: Repräsentative MRT-Bilder aus dem Vier-Klassen-Hirntumor-Datensatz.
Beispielhafte MRT-Aufnahmen, die den Gliom-, Meningiom-, Hypophysentumor- und normalen Hirnklassen entsprechen, die für das Modelltraining und die Bewertung verwendet wurden, sind dargestellt. Bitte hier klicken, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 3: Trainings- und Validierungsgenauigkeit/Verlustkurven für MobileNetV2. Die Grafiken zeigen das Konvergenzverhalten von MobileNetV2 während des Trainings, einschließlich der Änderungen der Klassifizierungsgenauigkeit und des Verlusts über die Epochen hinweg. Bitte hier klicken, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 4: Trainings- und Validierungsgenauigkeit/Verlustkurven für Inception-ResNet-V2. Die Grafiken veranschaulichen die Lernleistung und Konvergenzstabilität des Inception-ResNet-V2-Modells während des Trainings und der Validierung. <

Discussion

```html

Die Leistungsbewertung, basierend auf Genauigkeit, Recall, F1-Score und Präzision, zeigt, dass sowohl MobileNetV2 als auch Inception-ResNet-V2 vergleichbare Ergebnisse bei der Klassifizierung von Hirntumoren erzielen, wobei beide eine Gesamt- und gewichtete durchschnittliche Genauigkeit von 97–98% erreichen. Im Gegensatz dazu übertrifft EfficientNet die anderen Modelle und erreicht 99% Genauigkeit über Makro- und gewichtete durchschnittliche Metriken, dank seiner verbesserten Generalisierung und Compound Scaling-Strategie. Diese Ergebnisse stimmen mit früheren Studien überein, die die Effektivität von EfficientNet-Architekturen für die Multi-Klassen-Klassifizierung von MRT-Tumoren und rechnerisch effizientes Merkmalslernen gezeigt haben<sup>22</sup>. Ebenso haben Transfer Learning-basierte MobileNetV2-Frameworks zuvor eine starke Leistung bei leichtgewichtigen Hirntumor-Klassifizierungsaufgaben gezeigt, während sie eine niedrigere Rechenkomplexität beibehalten haben<sup>21</sup>.

Die verbesserte Leistung von EfficientNetV1 kann auf seine ausgewogene Skalierung von Netzwerktiefe, Breite und Eingabeauflösung zurückgeführt werden, was eine effiziente Extraktion von diskriminierenden tumorbezogenen Merkmalen ermöglicht. Vergleichbare Beobachtungen bezüglich der Vorteile von Compound Scaling-Strategien wurden in früheren CNN-Optimierungsstudien berichtet<sup>7,8</sup>. Zusätzlich hat die Integration des attentionsgeführten Merkmalsextraktionsmoduls wahrscheinlich zur verbesserten Lokalisierung von tumorrelevanten Regionen beigetragen, indem irrelevante Hintergrundinformationen unterdrückt wurden, was mit Erkenntnissen aus attentionsbasierten medizinischen Bildklassifizierungsstudien übereinstimmt<sup>10,15</sup>.

Trotz dieser Ergebnisse bleiben mehrere Herausforderungen bei der Klassifizierung von Hirntumoren bestehen, einschließlich der präzisen Differenzierung unregelmäßiger Tumoren, der Segmentierung von Subregionen jenseits des Tumorkerns und der genauen Klassifizierung über verschiedene Hirngewebetypen hinweg. Frühere Studien haben ebenfalls Einschränkungen im Zusammenhang mit Datensatzdiversität, Generalisierungsfähigkeit und Rechenkomplexität in MRT-basierten Tumorklassifizierungssystemen hervorgehoben<sup>9,11,12</sup>. Darüber hinaus haben multimodale MRT-Frameworks eine verbesserte Merkmalsrepräsentation und Tumorvisualisierung gezeigt, obwohl diese Methoden oft umfangreiche Vorverarbeitung und höhere Rechenressourcen erfordern<sup>13,17,18,20</sup>.

Tabelle 8 zeigt eine konsolidierte Kreuzvalidierungsanalyse von MobileNetV2, Inception-ResNet-V2 und EfficientNetV1 mit 5-facher Validierung. Die Tabelle präsentiert den Mittelwert und die Standardabweichung von Genauigkeit, Präzision, Recall und F1-Score zusammen mit den Falten-weisen Genauigkeiten. MobileNetV2 zeigt stabile, aber vergleichsweise niedrigere Leistung, während Inception-ResNet-V2 sowohl Genauigkeit als auch Konsistenz verbessert. EfficientNetV1 erreicht die höchste mittlere Genauigkeit (0,989 ± 0,003) mit der geringsten Varianz, was auf eine hervorragende Generalisierungsfähigkeit hinweist. Seine konsistent hohen Falten-weisen Genauigkeiten (0,986–0,992) demonstrieren eine robuste und stabile Leistung über mehrere Datensplits hinweg und etablieren es als das effektivste Modell für die Vier-Klassen-Klassifizierung von Hirntumor-MRTs in dieser Studie.

Einschränkungen der Studie
Die aktuelle Bewertung des Frameworks stützt sich ausschließlich auf Online-Datenaugmentierung, was seine Robustheit bei der Handhabung einer breiteren Datenvariabilität in realen Szenarien einschränken kann. Zusätzlich erforscht die Studie hauptsächlich die Merkmalsextraktion aus den letzten konvolutionalen Schichten, ohne die potenziellen Vorteile der Einbeziehung einer Multi-Layer-Merkmalsfusion zu bewerten. Die Forschung beschränkt sich auch auf statische MRT-Datensätze und wurde nicht in einem klinischen Live-Workflow validiert, was Integrationsherausforderungen darstellen kann.

Zukünftige Forschungsrichtungen
Zukünftige Arbeiten sollten die Multi-Layer-Merkmalsaggregation von MobileNetV2 und anderen Backbones erforschen, um die Klassifizierungsgenauigkeit weiter zu verbessern. Die Erweiterung des Frameworks zur Unterstützung multimodaler Bildgebungsdaten und die Validierung seiner Leistung in Echtzeit-Klinikumsumgebungen werden seine praktische Anwendbarkeit stärken. Zusätzlich kann die Optimierung der Architektur für den Einsatz auf mobilen und IoT-Plattformen, gekoppelt mit fortgeschrittenen Augmentationstechniken und realen Patientendatensätzen, skalierbare, leistungsstarke Hirntumor-Diagnostik in verschiedenen Gesundheitsumgebungen ermöglichen.

Schlussfolgerung
Diese Studie präsentiert ein leichtgewichtiges, attentionsgeführtes Transfer Learning-Framework für die Vier-Klassen-Klassifizierung von Hirntumoren unter Verwendung von MRT-Bildern. Durch die Nutzung von Transfer Learning mit MobileNetV2, EfficientNetV1 und Inception-ResNet-V2 erreicht das Modell eine hohe Genauigkeit bei gleichzeitiger Aufrechterhaltung der Recheneffizienz, was es potenziell für ressourcenbeschränkte klinische Umgebungen geeignet macht. Experimente an einem ausgewogenen Vier-Klassen-MRT-Datensatz zeigen, dass EfficientNetV1 die besten Ergebnisse liefert und 99% Genauigkeit, Präzision, Recall und F1-Score erreicht. Die vorgeschlagene Architektur balanciert Leistung und Ressourcennutzung effektiv und bietet einen vielversprechenden Ansatz für ressourcenbeschränkte medizinische Bildgebungsszenarien.

```

Materials

List of materials used in this article

Name	Company	Catalog Number	Comments
Brain MRI Dataset	IEEE	https://dx.doi.org/10.21227/q2vt-tf46	Das Dataset wird mit Institutzugang heruntergeladen. Das MRT-Dataset enthält vier Klassen: Gliom, Meningiom, Hypophysentumor und normales Gehirn
CNN Accelerator (Layer Fusion)	Vorgeschlagene Arbeit	—	Logische Fusion der oberen konvolutionalen Schichten zur Reduzierung des Speicherzugriffs und Verbesserung der Recheneffizienz
Custom Attention Module	Vorgeschlagene Arbeit	—	Aufmerksamkeitsmechanismus, der Max-Pooling und Average-Pooling integriert, um tumorrelevante Bereiche hervorzuheben
EfficientNetV1	Google	Vortrainiert (ImageNet)	Skalierbare CNN-Architektur, die ein optimales Verhältnis zwischen Genauigkeit und Effizienz bietet
Google Colaboratory	Google	https://colab.research.google.com/	Cloudbasierte Umgebung für Modelltraining, Bewertung und Experimente mit GPU-Unterstützung
Inception-ResNet-V2	Google	Vortrainiert (ImageNet)	Tiefe Hybrid-CNN-Architektur, die Inception-Module mit Residualverbindungen kombiniert
Keras	Google	v2.6.0	High-Level-Neural-Network-API, die auf TensorFlow für schnelles Modell-Prototyping aufbaut
Matplotlib	Matplotlib-Entwickler	v3.4.3	Visualisierungsbibliothek, die zum Plotten von Trainingskurven, Verwechslungsmatrizen und Leistungsmetriken verwendet wird
MobileNetV2	Google	Vortrainiert (ImageNet)	Leichtgewichtige CNN-Backbone, optimiert für mobile und Edge-Bereitstellung
NumPy	NumPy-Entwickler	v1.21.4	Core-Wissenschaftliche Berechnungsbibliothek, die für numerische Operationen verwendet wird
Pandas	Pandas-Entwicklungsteam	v1.3.4	Datenhandhabungs- und Manipulationsbibliothek, die zur Datenorganisation und Metadatenverarbeitung verwendet wird
Python	Python Software Foundation	v3.8.10	Primäre Programmiersprache, die für Datenvorverarbeitung, Modellentwicklung und Bewertung verwendet wird
Scikit-learn	Scikit-learn-Entwickler	Neueste stabile Version	Wird für Leistungsmetriken wie Präzision, Recall, F1-Score und Verwechslungsmatrizen verwendet
Seaborn	Seaborn-Entwickler	Neueste stabile Version	High-Level-Statistik-Visualisierungsbibliothek, die für verbesserte grafische Analyse verwendet wird
TensorFlow	Google	v2.6.0	End-to-End-Deep-Learning-Framework, das zur Implementierung von CNN-Backbones und Aufmerksamkeitsmodulen verwendet wird