The Analysis of Classification Strategies for MRI Brain Images

Bc. Anna Jarošová

Diplomová práce

Anotace:

Správná klasifikace mozkových nádorů je zásadní pro plánování léčby i stanovení prognózy. Nedávné pokroky v oblasti hlubokého učení, zejména konvolučních neuronových sítí, ukazují značný potenciál v medicínském zobrazování. Tato práce zkoumá, jak může kombinace standardní magnetické rezonance (MRI) s doplňkovými zobrazovacími metodami – konkrétně IVIM (Intravoxel Incoherent Motion) a DTI (Diffusion Tensor Imaging) – zlepšit klasifikaci nádorů. Pomocí různých architektur konvolučních sítí systematicky porovnávám účinnost těchto modalit napříč několika klasifikačními úlohami, přičemž se zaměřuji na jejich potenciál zvýšit diagnostickou přesnost. Pro důkladné zhodnocení jsem natrénovala a otestovala 24 různých modelů založených na architekturách EfficientNet a DenseNet ve čtyřech klasifikačních úlohách. Tento rozsáhlý experiment má za cíl identifikovat situace, kdy multimodální zobrazování přináší největší klinický přínos.

Abstract:

Accurate classification of brain tumors is crucial for treatment planning and prognosis. Recent advances in deep learning, particularly Convolutional Neural Networks (CNNs), have shown promise in medical imaging applications. This work examines how combining standard MRI with additional imaging modalities - specifically Intravoxel Incoherent Motion (IVIM) and Diffusion Tensor Imaging (DTI), can enhance tumor classification performance. Using CNN architectures, we systematically compare the effectiveness of these modalities across several classification scenarios, focusing on their potential to improve diagnostic accuracy. To rigorously evaluate this, we trained and assessed 24 distinct models based on EfficientNet and DenseNet architectures across four classification tasks. This extensive modeling effort aims to pinpoint scenarios where multi-modal imaging provides the greatest clinical benefit.

Keywords

Deep learning, Convolutional neural networks, CNN, Medical imaging, MRI, Classification

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 21. 5. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 17. 6. 2025
• Vedoucí: doc. RNDr. David Svoboda, Ph.D.
• Oponent: RNDr. David Wiesner, Ph.D.

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Vizuální informatika / Analýza a zpracování obrazu