論文の概要: BrainFusionNet: a deep learning and XAI model to understand local, global, and sequential features of MRI images for improved brain tumour detection

• arxiv url: http://arxiv.org/abs/2606.18675v1
• Date: Wed, 17 Jun 2026 04:20:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-18 17:16:51.00118
• Title: BrainFusionNet: a deep learning and XAI model to understand local, global, and sequential features of MRI images for improved brain tumour detection
• Title（参考訳）: 深層学習とXAIモデルBrainFusionNet : 脳腫瘍検出の改善のためのMRI画像の局所的、グローバル的、シーケンシャルな特徴を理解する
• Authors: Md Taimur Ahad, Bo Song, Yan Li,
• Abstract要約: 我々は、畳み込みニューラルネットワークCNNのビジョントランスフォーマーViTとGated Recurrent Units GRUを組み合わせたBrainFusionNetを開発し、MRI画像からコンテキストおよびシーケンシャルな特徴を抽出し、脳腫瘍の分類を改善した。 SHAP LIMEやGradCAMといった説明可能なAIは、BrainFusionNetの意思決定プロセスに寄与する画像領域を視覚化し、ハイライトするために統合されている。
• 参考スコア（独自算出の注目度）: 6.183169673393073
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The noise of Magnetic Resonance Imaging MRI poses challenges for Deep Learning DL when tumor boundaries are obscured tumor location and appearance are complex Therefore we develop BrainFusionNet that combines Convolutional Neural Networks CNNs Vision Transformers ViT and Gated Recurrent Units GRUs to extract spatial contextual and sequential features from MRI images for improved brain tumor classification Furthermore explainable AI such as SHAP LIME and GradCAM are integrated to visualise and highlight image regions that contribute to BrainFusionNets decisionmaking process The proposed BrainFusionNet model is evaluated on two publicly available MRI datasets Kfold validation suggests 98 accuracy on both datasets The model was compared with the six stateoftheart SOTA CNNs and transfer learning Among the SOTA CNNs DenseNet121 and VGG16 achieved the highest accuracy of 96 The novelty of BrainFusionNet is that the hybrid model effectively extracts local and global features from MRI images even in smallscale tumor regions and small tumor sizes The model has a balanced sequential CNN architecture to capture lowlevel and deeperlayer features a customized ViT that captures local features stabilizes gradient flow and reduces the risk of vanishing gradients during MRI image training The CNN and ViT outputs are fed into a GRU for final classification Furthermore we analyze pixel intensities to determine whether MRI image quality affects image classification Our findings are very novel in image interpretation as we found that the distribution of pixel intensities in MRI images affects DL performance
• Abstract（参考訳）: 磁気共鳴イメージングMRIのノイズは、腫瘍の境界が曖昧で外観が複雑である場合に、ディープラーニングDLの課題を提起する。それゆえ、畳み込みニューラルネットワークCNNのビジョントランスフォーマーViTとGated Recurrent Units GRUを組み合わせたBrainFusionNetを開発し、脳腫瘍分類の改善のために、MRI画像から空間的および逐次的特徴を抽出する。 説明可能なAIであるSHAP LIMEとGradCAMは、BrainFusionNets決定プロセスに寄与する画像領域を可視化し強調するために統合されている。

関連論文リスト

• CNN-ViT Fusion with Adaptive Attention Gate for Brain Tumor MRI Classification: A Hybrid Deep Learning Model [0.0]
  我々は、SqueezeNetスタイルのCNNブランチとMobileViTスタイルのグローバルトランスフォーマーブランチを組み合わせた新しいハイブリッドアーキテクチャを提案する。 ゲートは、各ブランチの重み付けを動的に学習し、局所的およびグローバルな表現の文脈に敏感なマージを可能にする。
  論文  参考訳（メタデータ） (2026-04-25T04:36:33Z)
• AI-Enhanced Virtual Biopsies for Brain Tumor Diagnosis in Low Resource Settings [0.0]
  本稿では, 軽量畳み込みニューラルネットワーク(CNN)と放射能式手工芸品を用いた2次元脳MRI画像の4クラス分類のための仮想生検パイプラインの試作について述べる。 臨床診断や病理学の代用ではなく、意思決定支援として構成されている。
  論文  参考訳（メタデータ） (2025-12-19T19:53:56Z)
• Multi-modal brain MRI synthesis based on SwinUNETR [0.8192907805418583]
  SwinUNETRは、医療画像解析用に設計された新しいニューラルネットワークアーキテクチャである。 Swin TransformerとCNNを組み合わせることで、SwinUNETRはグローバルなコンテキスト認識と詳細な空間解像度を融合する。 その結果,画像品質,解剖学的整合性,診断値に有意な改善が認められた。
  論文  参考訳（メタデータ） (2025-06-03T05:33:52Z)
• A Unified Model for Compressed Sensing MRI Across Undersampling Patterns [69.19631302047569]
  様々な計測アンサンプパターンと画像解像度に頑健な統合MRI再構成モデルを提案する。 我々のモデルは、拡散法よりも600$times$高速な推論で、最先端CNN(End-to-End VarNet)の4dBでSSIMを11%改善し、PSNRを4dB改善する。
  論文  参考訳（メタデータ） (2024-10-05T20:03:57Z)
• MindFormer: Semantic Alignment of Multi-Subject fMRI for Brain Decoding [50.55024115943266]
  本稿では,MindFormer を用いたマルチオブジェクト fMRI 信号のセマンティックアライメント手法を提案する。 このモデルは、fMRIから画像生成のための安定拡散モデルや、fMRIからテキスト生成のための大規模言語モデル(LLM)の条件付けに使用できるfMRI条件付き特徴ベクトルを生成するように設計されている。 実験の結果,MindFormerは意味的に一貫した画像とテキストを異なる主題にわたって生成することがわかった。
  論文  参考訳（メタデータ） (2024-05-28T00:36:25Z)
• Robust Tumor Segmentation with Hyperspectral Imaging and Graph Neural Networks [31.87960207119459]
  より堅牢でスムーズなセグメンテーションのために,タイルの空間的文脈を利用した改良手法を提案する。 タイルの不規則な形状に対処するため,グラフニューラルネットワーク(GNN)を用いて周辺地域のコンテキスト情報を伝播する。 以上の結果から, 文脈認識型GNNアルゴリズムは, HSI画像上の腫瘍の区切りを頑健に検出できることが示唆された。
  論文  参考訳（メタデータ） (2023-11-20T14:07:38Z)
• Brain Tumor MRI Classification using a Novel Deep Residual and Regional CNN [0.0]
  Res-BRNet Convolutional Neural Network (CNN) は脳腫瘍(磁気共鳴イメージング)MRIの診断に有用である。 開発されたRes-BRNetの効率は、KaggleとFigshareから収集された標準データセットに基づいて評価される。 実験により、Res-BRNetは標準CNNモデルよりも優れ、優れた性能を示した。
  論文  参考訳（メタデータ） (2022-11-29T20:14:13Z)
• Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
  本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
  論文  参考訳（メタデータ） (2021-04-05T13:05:22Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。