International Journal of Computer Science & Network Security
/
제22권5호
/
pp.143-148
/
2022
Brain tumor classification is an important process that allows doctors to plan treatment for patients based on the stages of the tumor. To improve classification performance, various CNN-based architectures are used for brain tumor classification. Existing methods for brain tumor segmentation suffer from overfitting and poor efficiency when dealing with large datasets. The enhanced CNN architecture proposed in this study is based on U-Net for brain tumor segmentation, RefineNet for pattern analysis, and SegNet architecture for brain tumor classification. The brain tumor benchmark dataset was used to evaluate the enhanced CNN model's efficiency. Based on the local and context information of the MRI image, the U-Net provides good segmentation. SegNet selects the most important features for classification while also reducing the trainable parameters. In the classification of brain tumors, the enhanced CNN method outperforms the existing methods. The enhanced CNN model has an accuracy of 96.85 percent, while the existing CNN with transfer learning has an accuracy of 94.82 percent.
International Journal of Computer Science & Network Security
/
제22권4호
/
pp.101-110
/
2022
Histopathological analysis of biopsy specimens is still used for diagnosis and classifying the brain tumors today. The available procedures are intrusive, time consuming, and inclined to human error. To overcome these disadvantages, need of implementing a fully automated deep learning-based model to classify brain tumor into multiple classes. The proposed CNN model with an accuracy of 92.98 % for categorizing tumors into five classes such as normal tumor, glioma tumor, meningioma tumor, pituitary tumor, and metastatic tumor. Using the grid search optimization approach, all of the critical hyper parameters of suggested CNN framework were instantly assigned. Alex Net, Inception v3, Res Net -50, VGG -16, and Google - Net are all examples of cutting-edge CNN models that are compared to the suggested CNN model. Using huge, publicly available clinical datasets, satisfactory classification results were produced. Physicians and radiologists can use the suggested CNN model to confirm their first screening for brain tumor Multi-classification.
KSII Transactions on Internet and Information Systems (TIIS)
/
제18권1호
/
pp.105-125
/
2024
Gliomas are the most common malignant brain tumor and cause the most deaths. Manual brain tumor segmentation is expensive, time-consuming, error-prone, and dependent on the radiologist's expertise and experience. Manual brain tumor segmentation outcomes by different radiologists for the same patient may differ. Thus, more robust, and dependable methods are needed. Medical imaging researchers produced numerous semi-automatic and fully automatic brain tumor segmentation algorithms using ML pipelines and accurate (handcrafted feature-based, etc.) or data-driven strategies. Current methods use CNN or handmade features such symmetry analysis, alignment-based features analysis, or textural qualities. CNN approaches provide unsupervised features, while manual features model domain knowledge. Cascaded algorithms may outperform feature-based or data-driven like CNN methods. A revolutionary cascaded strategy is presented that intelligently supplies CNN with past information from handmade feature-based ML algorithms. Each patient receives manual ground truth and four MRI modalities (T1, T1c, T2, and FLAIR). Handcrafted characteristics and deep learning are used to segment brain tumors in a Global Convolutional Neural Network (GCNN). The proposed GCNN architecture with two parallel CNNs, CSPathways CNN (CSPCNN) and MRI Pathways CNN (MRIPCNN), segmented BraTS brain tumors with high accuracy. The proposed model achieved a Dice score of 87% higher than the state of the art. This research could improve brain tumor segmentation, helping clinicians diagnose and treat patients.
KSII Transactions on Internet and Information Systems (TIIS)
/
제17권10호
/
pp.2788-2808
/
2023
Brain tumors are one of the most threatening malignancies for humans. Misdiagnosis of brain tumors can result in false medical intervention, which ultimately reduces a patient's chance of survival. Manual identification and segmentation of brain tumors from Magnetic Resonance Imaging (MRI) scans can be difficult and error-prone because of the great range of tumor tissues that exist in various individuals and the similarity of normal tissues. To overcome this limitation, the Amended Convolutional Neural Network (ACNN) model has been introduced, a unique combination of three techniques that have not been previously explored for brain tumor detection. The three techniques integrated into the ACNN model are image tissue preprocessing using the Kalman Bucy Smoothing Filter to remove noisy pixels from the input, image tissue segmentation using the Isotonic Regressive Image Tissue Segmentation Process, and feature extraction using the Marr Wavelet Transformation. The extracted features are compared with the testing features using a sigmoid activation function in the output layer. The experimental findings show that the suggested model outperforms existing techniques concerning accuracy, precision, sensitivity, dice score, Jaccard index, specificity, Positive Predictive Value, Hausdorff distance, recall, and F1 score. The proposed ACNN model achieved a maximum accuracy of 98.8%, which is higher than other existing models, according to the experimental results.
Although many diseases could be treated by the development of modern medicine, there are some incurable diseases including brain cancer, Alzheimer disease, etc. To study human brain cancer, various animal models were reported. Among these animal models, mouse models are valuable tools for understanding brain cancer characteristics. In spite of many mouse brain cancer models, it has been difficult to find a new target molecule for the treatment of brain cancer. One of the reasons is absence of large animal model which makes conducting preclinical trials. In this article, we review a recent study of molecular characteristics of human brain cancer, their genetic mutation and comparative analysis of the mouse brain cancer model. Finally, we suggest the need for development of large animal models using somatic cell nuclear transfer in translational research.
Purpose : Three dimensional conformal radiotherapy planning is being used widely for the treatment of patients with brain tumor. However, it takes much time to develop an optimal treatment plan, therefore, it is difficult to apply this technique to all patients. To increase the efficiency of this technique, we need to develop standard radiotherapy plant for each site of the brain. Therefore we developed several 3 dimensional conformal radiotherapy plans (3D plans) for tumors at each site of brain, compared them with each other, and with 2 dimensional radiotherapy plans. Finally model plans for each site of the brain were decide. Materials and Methods : Imaginary tumors, with sizes commonly observed in the clinic, were designed for each site of the brain and drawn on CT images. The planning target volumes (PTVs) were as follows; temporal $tumor-5.7\times8.2\times7.6\;cm$, suprasellar $tumor-3\times4\times4.1\;cm$, thalamic $tumor-3.1\times5.9\times3.7\;cm$, frontoparietal $tumor-5.5\times7\times5.5\;cm$, and occipitoparietal $tumor-5\times5.5\times5\;cm$. Plans using paralled opposed 2 portals and/or 3 portals including fronto-vertex and 2 lateral fields were developed manually as the conventional 2D plans, and 3D noncoplanar conformal plans were developed using beam's eye view and the automatic block drawing tool. Total tumor dose was 54 Gy for a suprasellar tumor, 59.4 Gy and 72 Gy for the other tumors. All dose plans (including 2D plans) were calculated using 3D plan software. Developed plans were compared with each other using dose-volume histograms (DVH), normal tissue complication probabilities (NTCP) and variable dose statistic values (minimum, maximum and mean dose, D5, V83, V85 and V95). Finally a best radiotherapy plan for each site of brain was selected. Results : 1) Temporal tumor; NTCPs and DVHs of the normal tissue of all 3D plans were superior to 2D plans and this trend was more definite when total dose was escalated to 72 Gy (NTCPs of normal brain 2D $plans:27\%,\;8\%\rightarrow\;3D\;plans:1\%,\;1\%$). Various dose statistic values did not show any consistent trend. A 3D plan using 3 noncoplanar portals was selected as a model radiotherapy plan. 2) Suprasellar tumor; NTCPs of all 3D plans and 2D plans did not show significant difference because the total dose of this tumor was only 54 Gy. DVHs of normal brain and brainstem were significantly different for different plans. D5, V85, V95 and mean values showed some consistent trend that was compatible with DVH. All 3D plans were superior to 2D plans even when 3 portals (fronto-vertex and 2 lateral fields) were used for 2D plans. A 3D plan using 7 portals was worse than plans using fewer portals. A 3D plan using 5 noncoplanar portals was selected as a model plan. 3) Thalamic tumor; NTCPs of all 3D plans were lower than the 2D plans when the total dose was elevated to 72 Gy. DVHs of normal tissues showed similar results. V83, V85, V95 showed some consistent differences between plans but not between 3D plans. 3D plans using 5 noncoplanar portals were selected as a model plan. 4) Parietal (fronto- and occipito-) tumors; all NTCPs of the normal brain in 3D plans were lower than in 2D plans. DVH also showed the same results. V83, V85, V95 showed consistent trends with NTCP and DVH. 3D plans using 5 portals for frontoparietal tumor and 6 portals for occipitoparietal tumor were selected as model plans. Conclusion : NTCP and DVH showed reasonable differences between plans and were through to be useful for comparing plans. All 3D plans were superior to 2D plans. Best 3D plans were selected for tumors in each site of brain using NTCP, DVH and finally by the planner's decision.
The neuropeptide vasopressin (VP) is a nine- amino acid hormone synthesized as preprohormone in the cell bodies of hypothalamic magnocellular neurons. The tumor in magnocellular neurons of the hypothalamus is associated with disfunctions of the cell bodies, leading to the diabetes insipidus. In order to study with the diabetes insipidus caused by a defect in VP synthesis and its secretion, we have produced the transgenic mice regulated by vasopressin promoter inserted to SV40 T antigen coding sequence (pVPSV.IGR2.1). One transgenic line expressing high levels of SV40 T antigen was propagated. The founder and all transgene positive adult animals have appeared with shorten mortality or apparent phenotypic abnormalities, including immune complex disease, and eventually die between 4 and 8 months of age. The mRNA and protein of SV40T antigen transgene were detected in brain of fetus as well as in brain, spleen, lung and lymph node in moribund at the age of 20 weeks. Histological analysis of transgenic mice showed that tumor developed in brain similar to primitive neuroectodermal tumors (PNET) in man. We also detected lymphomas in spleen and lymph node, and consequent tumor formation in various tissues of the transgenic mice. In pVPSV.IGR2.1, 21% mice showed brain tumor (PNET) at 5 weeks and 100% mice showed brain tumor after 15 weeks. In addition, Expression of apoptosis related genes (Bcl-28 & Bax) was increased over their age in mice with PNET as compared to control mice. Apoptosis related gene expression might be deregulated in mice with brain tumor. However, transgenic mice were not developed with the diabetes insipidus. These mice represent the first disease model to exhibit primitive neuroectodermal tumor in brain, as well as a unique model system for exploring the cellular pathogenesis of lymphomas.
Mustafa Abdul Salam;Sanaa Taha;Sameh Alahmady;Alwan Mohamed
International Journal of Computer Science & Network Security
/
제23권5호
/
pp.73-88
/
2023
Brain tumors can also be an abnormal collection or accumulation of cells in the brain that can be life-threatening due to their ability to invade and metastasize to nearby tissues. Accurate diagnosis is critical to the success of treatment planning, and resonant imaging is the primary diagnostic imaging method used to diagnose brain tumors and their extent. Deep learning methods for computer vision applications have shown significant improvements in recent years, primarily due to the undeniable fact that there is a large amount of data on the market to teach models. Therefore, improvements within the model architecture perform better approximations in the monitored configuration. Tumor classification using these deep learning techniques has made great strides by providing reliable, annotated open data sets. Reduce computational effort and learn specific spatial and temporal relationships. This white paper describes transfer models such as the MobileNet model, VGG19 model, InceptionResNetV2 model, Inception model, and DenseNet201 model. The model uses three different optimizers, Adam, SGD, and RMSprop. Finally, the pre-trained MobileNet with RMSprop optimizer is the best model in this paper, with 0.995 accuracies, 0.99 sensitivity, and 1.00 specificity, while at the same time having the lowest computational cost.
Yoon, Seon-Jin;Park, Junseong;Jang, Dong-Su;Kim, Hyun Jung;Lee, Joo Ho;Jo, Euna;Choi, Ran Joo;Shim, Jin-Kyung;Moon, Ju Hyung;Kim, Eui-Hyun;Chang, Jong Hee;Lee, Jeong Ho;Kang, Seok-Gu
Journal of Korean Neurosurgical Society
/
제63권1호
/
pp.26-33
/
2020
Glioblastoma (GBM) is a disease without any definite cure. Numerous approaches have been tested in efforts to conquer this brain disease, but patients invariably experience recurrence or develop resistance to treatment. New surgical tools, carefully chosen samples, and experimental methods are enabling discoveries at single-cell resolution. The present article reviews the cell-of-origin of isocitrate dehydrogenase (IDH)-wildtype GBM, beginning with the historical background for focusing on cellular origin and introducing the cancer genesis patterned on firework. The authors also review mutations associated with the senescence process in cells of the subventricular zone (SVZ), and biological validation of somatic mutations in a mouse SVZ model. Understanding GBM would facilitate research on the origin of other cancers and may catalyze the development of new management approaches or treatments against IDH-wildtype GBM.
International Journal of Control, Automation, and Systems
/
제2권1호
/
pp.100-106
/
2004
In this paper, we present a novel, rapid approach for the detection of brain tumors and deformity boundaries in medical images using a genetic algorithm with wavelet based preprocessing. The contour detection problem is formulated as an optimization process that seeks the contour of the object in a manner of minimizing an energy function based on an active contour model. The brain tumor segmentation contour, however, cannot be detected in case that a higher gradient intensity exists other than the interested brain tumor and deformities. Our method for discerning brain tumors and deformities from unwanted adjacent tissues is proposed. The proposed method can be used in medical image analysis because the exact contour of the brain tumor and deformities is followed by precise diagnosis of the deformities.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.