EUVIMEDEUVIMED entdecken
Crossref

A Robust and Efficient Framework for Brain MRI De-noising and Classification using Hybrid Digital Signal Processing and Deep Learning Techniques

Талиб Хуссейн Хамиль, Ала Маджид Али, Марва М. Хассуни, Анас Фуад Ахмед

Radioelectronics. Nanosystems. Information Technologies. · 13.06.2026 · 18 (3) · 375-384

DOI: 10.17725/rensit.2026.18.375 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Radioelectronics. Nanosystems. Information Technologies., online erschienen am 13.06.2026. Verfasst von Талиб Хуссейн Хамиль und 3 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Предлагается новый подход к глубокому обучению, основанный на DSP, для классификации и сегментации опухолей головного мозга с помощью МРТ. Наш подход включает в себя обучаемый вейвлет-модуль CNN (LW-CNN) для адаптивного подавления шума с учетом частоты, дифференцируемый анизотропный диффузионный слой для диффузии с сохранением границ и иерархический многомасштабный деформируемый модуль внимания (MS-DAM) для выделения признаков. Механизм U-Net with attention используется для выполнения точной сегментации в интегрированной системе многозадачного обучения. Предлагаемый фреймворк отличается от традиционных методов, которые используют только глубокое изучение характеристик. В нем используются методы цифровой обработки сигналов для улучшения качества входных данных, прежде чем научиться их представлять. Система также создана для работы на пределе возможностей: предварительная обработка выполняется на ПЛИС, а логический вывод - на платформах NVIDIA Jetson. Экспериментальные данные по мультиклассовой МРТ-обработке опухолей головного мозга показывают, что с точки зрения точности и оценки Dice предложенный метод превосходит современные модели CNN, attention и transformer. Анализ помехоустойчивости дополнительно подтверждает эффективность предлагаемых компонентов DSP в повышении качества изображения и сохранении структуры.

Zitieren

APA

Хамиль, Т. Х., Али, А. М., Хассуни, М. М., & Ахмед, А. Ф. (2026). A Robust and Efficient Framework for Brain MRI De-noising and Classification using Hybrid Digital Signal Processing and Deep Learning Techniques. Radioelectronics. Nanosystems. Information Technologies., 18(3), 375-384. https://doi.org/10.17725/rensit.2026.18.375

Vancouver

Хамиль ТХ, Али АМ, Хассуни ММ, Ахмед АФ. A Robust and Efficient Framework for Brain MRI De-noising and Classification using Hybrid Digital Signal Processing and Deep Learning Techniques. Radioelectronics. Nanosystems. Information Technologies.. 2026;18(3):375-384. doi:10.17725/rensit.2026.18.375

BibTeX
@article{2026,
  author = {Хамиль, Талиб Хуссейн and Али, Ала Маджид and Хассуни, Марва М. and Ахмед, Анас Фуад},
  title = {A Robust and Efficient Framework for Brain MRI De-noising and Classification using Hybrid Digital Signal Processing and Deep Learning Techniques},
  journal = {Radioelectronics. Nanosystems. Information Technologies.},
  year = {2026},
  volume = {18},
  number = {3},
  pages = {375--384},
  doi = {10.17725/rensit.2026.18.375}
}
Kostenlos starten →