SwePub
Sök i LIBRIS databas

  Utökad sökning

onr:"swepub:oai:research.chalmers.se:cbd53062-3958-4f65-9ea8-a5ac8fd09248"
 

Sökning: onr:"swepub:oai:research.chalmers.se:cbd53062-3958-4f65-9ea8-a5ac8fd09248" > Enlarged Training D...

Enlarged Training Dataset by Pairwise GANs for Molecular-Based Brain Tumor Classification

Ge, Chenjie (författare)
Gu, Irene Yu-Hua (författare)
Jakola, Asgeir Store, (författare)
Göteborgs universitet, Institutionen för neurovetenskap och fysiologi, sektionen för klinisk neurovetenskap, Gothenburg University, Institute of Neuroscience and Physiology, Department of Clinical Neuroscience
visa fler...
Yang, Jie (författare)
visa färre...
Göteborgs universitet Sahlgrenska akademin. Institutionen för neurovetenskap och fysiologi, sektionen för klinisk neurovetenskap. 
2020
Engelska.
Ingår i: IEEE Access. - 2169-3536. ; 8:1, s. 22560-22570
Läs hela texten (fulltext)
  • Tidskriftsartikel (refereegranskat)
Abstract Ämnesord
Stäng  
  • This paper addresses issues of brain tumor subtype classification using Magnetic Resonance Images (MRIs) from different scanner modalities like T1 weighted, T1 weighted with contrast-enhanced, T2 weighted and FLAIR images. Currently most available glioma datasets are relatively moderate in size, and often accompanied with incomplete MRIs in different modalities. To tackle the commonly encountered problems of insufficiently large brain tumor datasets and incomplete modality of image for deep learning, we propose to add augmented brain MR images to enlarge the training dataset by employing a pairwise Generative Adversarial Network (GAN) model. The pairwise GAN is able to generate synthetic MRIs across different modalities. To achieve the patient-level diagnostic result, we propose a post-processing strategy to combine the slice-level glioma subtype classification results by majority voting. A two-stage course-to-fine training strategy is proposed to learn the glioma feature using GAN-augmented MRIs followed by real MRIs. To evaluate the effectiveness of the proposed scheme, experiments have been conducted on a brain tumor dataset for classifying glioma molecular subtypes: isocitrate dehydrogenase 1 (IDH1) mutation and IDH1 wild-type. Our results on the dataset have shown good performance (with test accuracy 88.82%). Comparisons with several state-of-the-art methods are also included.

Ämnesord

TEKNIK OCH TEKNOLOGIER  -- Elektroteknik och elektronik -- Signalbehandling (hsv//swe)
ENGINEERING AND TECHNOLOGY  -- Electrical Engineering, Electronic Engineering, Information Engineering -- Signal Processing (hsv//eng)
TEKNIK OCH TEKNOLOGIER  -- Medicinteknik -- Medicinsk bildbehandling (hsv//swe)
ENGINEERING AND TECHNOLOGY  -- Medical Engineering -- Medical Image Processing (hsv//eng)
MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Cancer och onkologi (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Cancer and Oncology (hsv//eng)
MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Neurologi (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Neurology (hsv//eng)
MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Radiologi och bildbehandling (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Radiology, Nuclear Medicine and Medical Imaging (hsv//eng)
MEDICIN OCH HÄLSOVETENSKAP  -- Klinisk medicin -- Kirurgi (hsv//swe)
MEDICAL AND HEALTH SCIENCES  -- Clinical Medicine -- Surgery (hsv//eng)
NATURVETENSKAP  -- Data- och informationsvetenskap -- Annan data- och informationsvetenskap (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Science -- Other Computer and Information Science (hsv//eng)
TEKNIK OCH TEKNOLOGIER  -- Elektroteknik och elektronik (hsv//swe)
ENGINEERING AND TECHNOLOGY  -- Electrical Engineering, Electronic Engineering, Information Engineering (hsv//eng)
NATURVETENSKAP  -- Data- och informationsvetenskap -- Datorseende och robotik (autonoma system) (hsv//swe)
NATURAL SCIENCES  -- Computer and Information Science -- Computer Vision and Robotics (Autonomous Systems) (hsv//eng)

Nyckelord

generative adversarial networks
molecular-based brain tumor subtype classification
deep learning
MRI
glioma
data augmentation
multi-modal

Publikations- och innehållstyp

art (ämneskategori)
ref (ämneskategori)

Hitta via bibliotek

Till lärosätets databas

Sök utanför SwePub

 
pil uppåt Stäng

Kopiera och spara länken för att återkomma till aktuell vy