DB-FGA-Net: Dual Backbone Frequency Gated Attention Network for Multi-Class Brain Tumor Classification with Grad-CAM Interpretability

Created by

Haebom

저자

Saraf Anzum Shreya, MD. Abu Ismail Siddique, Sharaf Tasnim

개요

딥러닝 기반 뇌종양 분류의 어려움을 해결하기 위해, VGG16과 Xception을 통합하고 Frequency-Gated Attention (FGA) Block을 사용한 double-backbone 네트워크(DB-FGA-Net)를 제안합니다. 이 모델은 데이터 증강 없이도 우수한 성능을 보이며, Grad-CAM을 통해 모델 예측의 해석 가능성을 높입니다. 7K-DS 데이터셋에서 99.24%의 정확도를 달성하고, 3K-DS 데이터셋에서도 높은 일반화 성능을 보였습니다. 또한, 실시간 분류 및 Grad-CAM 기반 종양 위치 확인을 제공하는 GUI를 개발하여 임상 적용 가능성을 높였습니다.

시사점, 한계점

•

시사점:

◦

데이터 증강 없이도 높은 정확도를 달성하여 모델의 견고성을 입증했습니다.

◦

Grad-CAM을 통해 모델의 해석 가능성을 높여 임상 적용의 신뢰도를 향상시켰습니다.

◦

GUI 개발을 통해 실제 임상 환경에서의 활용 가능성을 제시했습니다.

•

한계점:

◦

해당 논문에서 한계점에 대한 직접적인 언급은 없습니다.

PDF 보기

Made with Slashpage