I
AE
S In
t
er
na
t
io
na
l J
o
urna
l o
f
Art
if
ic
ia
l In
t
ellig
ence
(
I
J
-
AI
)
Vo
l.
14
,
No
.
3
,
J
u
n
e
2
0
2
5
,
p
p
.
2196
~
2
2
0
9
I
SS
N:
2
2
5
2
-
8938
,
DOI
: 1
0
.
1
1
5
9
1
/i
j
ai.
v
14
.i
3
.
p
p
2
1
9
6
-
2
2
0
9
219
6
J
o
ur
na
l ho
m
ep
a
g
e
:
h
ttp
:
//ij
a
i
.
ia
esco
r
e.
co
m
Enha
nc
i
n
g
prec
i
s
i
o
n
m
edi
ci
ne in neu
ro
i
m
a
g
i
ng
: hyb
ri
d m
o
del
f
o
r
br
a
i
n
tum
o
r
a
na
l
y
s
i
s
Ra
v
ik
u
m
a
r
Sa
j
j
a
na
r,
U
m
es
h D.
Dix
it
D
e
p
a
r
t
m
e
n
t
o
f
E
l
e
c
t
r
o
n
i
c
s
a
n
d
C
o
m
m
u
n
i
c
a
t
i
o
n
E
n
g
i
n
e
e
r
i
n
g
,
B
L
D
EA
’
s
V
.
P
.
D
r
.
P
.
G
.
H
a
l
a
k
a
t
t
i
C
o
l
l
e
g
e
o
f
E
n
g
i
n
e
e
r
i
n
g
a
n
d
T
e
c
h
n
o
l
o
g
y,
(
A
f
f
i
l
i
a
t
e
d
t
o
V
i
sv
e
sv
a
r
a
y
a
Te
c
h
n
o
l
o
g
i
c
a
l
U
n
i
v
e
r
si
t
y
B
e
l
a
g
a
v
i
)
,
V
i
j
a
y
a
p
u
r
a
,
I
n
d
i
a
Art
icle
I
nfo
AB
ST
RAC
T
A
r
ticle
his
to
r
y:
R
ec
eiv
ed
A
p
r
1
0
,
2
0
2
4
R
ev
i
s
ed
De
c
1
9
,
2
0
2
4
A
cc
ep
ted
J
an
2
7
,
2
0
2
5
Bra
in
tu
m
o
rs
a
re
a
sig
n
i
f
ica
n
t
h
e
a
lt
h
c
h
a
ll
e
n
g
e
re
q
u
iri
n
g
p
re
c
ise
d
iag
n
o
stic
m
e
th
o
d
s
f
o
r
o
p
t
im
a
l
p
a
ti
e
n
t
c
a
re
.
T
h
is
stu
d
y
in
tro
d
u
c
e
s
a
n
o
v
e
l
a
p
p
r
o
a
c
h
u
ti
li
z
i
n
g
a
c
o
n
v
o
lu
ti
o
n
a
l
n
e
u
ra
l
n
e
tw
o
rk
-
b
a
se
d
g
a
ted
re
c
u
rre
n
t
u
n
it
(CNN
-
G
RU)
f
o
r
b
ra
in
t
u
m
o
r
d
e
tec
ti
o
n
.
T
h
e
m
e
th
o
d
e
n
c
o
m
p
a
ss
e
s
a
rig
o
ro
u
s
p
re
p
ro
c
e
ss
in
g
p
ip
e
li
n
e
tailo
re
d
f
o
r
m
u
lti
-
m
o
d
a
l
m
a
g
n
e
ti
c
re
so
n
a
n
c
e
im
a
g
in
g
(M
RI)
im
a
g
e
s,
f
o
c
u
sin
g
o
n
sta
n
d
a
rd
izi
n
g
d
im
e
n
sio
n
s,
n
o
rm
a
li
z
in
g
p
ix
e
l
v
a
lu
e
s,
a
n
d
e
n
h
a
n
c
in
g
c
o
n
tras
t
to
f
a
c
il
it
a
te
ro
b
u
st
tu
m
o
r
id
e
n
ti
f
ica
ti
o
n
.
S
u
b
se
q
u
e
n
tl
y
,
tem
p
o
ra
l
se
q
u
e
n
c
e
s
o
f
p
re
p
ro
c
e
ss
e
d
ima
g
e
s
a
re
a
n
a
l
y
z
e
d
b
y
th
e
CNN
-
G
RU
n
e
tw
o
rk
to
a
c
c
u
ra
tely
p
in
p
o
i
n
t
tu
m
o
r
re
g
io
n
s.
Ev
a
lu
a
ti
o
n
o
n
th
e
Bra
T
S
2
0
2
0
d
a
tas
e
t,
c
o
m
p
risin
g
d
iv
e
rse
M
RI
sc
a
n
s
w
it
h
m
a
n
u
a
l
a
n
n
o
tati
o
n
s,
d
e
m
o
n
stra
tes
th
e
m
e
th
o
d
'
s
ro
b
u
st
p
e
rf
o
rm
a
n
c
e
in
tu
m
o
r
d
e
tec
ti
o
n
,
re
f
lec
ti
n
g
re
a
l
-
w
o
rld
c
li
n
ica
l
c
o
m
p
lex
it
ies
.
T
h
ro
u
g
h
m
e
ti
c
u
lo
u
s
p
re
p
ro
c
e
ss
in
g
a
n
d
m
o
d
e
l
o
p
ti
m
iz
a
ti
o
n
,
t
h
e
a
p
p
ro
a
c
h
a
c
h
iev
e
s
a
re
m
a
rk
a
b
le
a
c
c
u
ra
c
y
ra
te
o
f
9
9
%
,
o
ff
e
rin
g
c
ru
c
ial
in
sig
h
ts
f
o
r
c
li
n
icia
n
s
in
trea
t
m
e
n
t
p
lan
n
in
g
a
n
d
p
r
o
g
n
o
sis
p
re
d
i
c
ti
o
n
.
Im
p
lem
e
n
ted
u
sin
g
P
y
th
o
n
,
th
e
f
ra
m
e
w
o
rk
c
o
n
tri
b
u
tes
t
o
a
d
v
a
n
c
in
g
b
ra
in
tu
m
o
r
d
iag
n
o
sis
a
n
d
d
e
c
isio
n
su
p
p
o
rt
sy
ste
m
s,
p
o
ten
ti
a
l
ly
e
n
h
a
n
c
in
g
p
e
rso
n
a
li
z
e
d
m
e
d
icin
e
a
n
d
c
li
n
ica
l
p
ra
c
ti
c
e
.
By
i
m
p
ro
v
in
g
d
iag
n
o
stic
a
c
c
u
ra
c
y
a
n
d
p
a
ti
e
n
t
o
u
tco
m
e
s,
th
is
re
se
a
rc
h
u
n
d
e
rsc
o
re
s
th
e
im
p
o
rta
n
c
e
o
f
in
teg
ra
ti
n
g
a
d
v
a
n
c
e
d
c
o
m
p
u
tati
o
n
a
l
tec
h
n
iq
u
e
s
w
it
h
m
e
d
ica
l
ima
g
in
g
to
a
d
d
re
ss
c
rit
ica
l
h
e
a
lt
h
c
a
re
c
h
a
ll
e
n
g
e
s
e
ffe
c
ti
v
e
l
y
.
K
ey
w
o
r
d
s
:
B
r
ain
tu
m
o
r
s
C
NN
ar
ch
i
tectu
r
e
Diag
n
o
s
is
Mu
lti
-
m
o
d
al
M
R
I
T
u
m
o
r
d
etec
tio
n
U
-
Net
T
h
is i
s
a
n
o
p
e
n
a
c
c
e
ss
a
rticle
u
n
d
e
r th
e
CC B
Y
-
SA
li
c
e
n
se
.
C
o
r
r
e
s
p
o
nd
ing
A
uth
o
r
:
R
av
i
k
u
m
ar
Saj
j
an
ar
Dep
ar
t
m
en
t o
f
E
lectr
o
n
ics
a
n
d
C
o
m
m
u
n
icat
io
n
E
n
g
i
n
ee
r
in
g
B
L
DE
A’
s
V.
P
.
Dr
.
P
.
G.
Hala
k
atti
C
o
lleg
e
o
f
E
n
g
in
ee
r
i
n
g
an
d
T
ec
h
n
o
lo
g
y
(
Af
f
iliated
to
Vis
v
es
v
ar
a
y
a
T
ec
h
n
o
lo
g
ical
Un
iv
er
s
it
y
B
ela
g
a
v
i)
Vij
ay
ap
u
r
a
,
Kar
n
a
tak
a,
I
n
d
ia
E
m
ail:
r
av
ik
u
m
ar
.
s
aj
j
an
ar
@
g
m
ail.
co
m
1.
I
NT
RO
D
UCT
I
O
N
B
r
ain
tu
m
o
r
is
o
n
e
o
f
t
h
e
d
ea
d
lies
t
m
a
lig
n
a
n
cies
in
t
h
e
w
o
r
ld
.
B
o
th
ch
ild
r
en
as
w
e
ll
as
ad
u
lts
g
et
th
is
ca
n
ce
r
co
m
m
o
n
l
y
.
Dep
en
d
in
g
o
n
its
p
o
s
itio
n
,
tex
t
u
r
e,
a
n
d
f
o
r
m
,
it
co
m
e
s
i
n
m
a
n
y
v
a
r
ieties
a
n
d
h
as
th
e
lo
w
es
t
ch
a
n
ce
o
f
s
u
r
v
i
v
i
n
g
.
I
m
p
r
o
p
er
class
i
f
icatio
n
o
f
t
h
e
b
r
ain
tu
m
o
r
w
il
l
r
esu
l
t
in
n
eg
ativ
e
r
es
u
lts
.
As
an
o
u
tco
m
e,
s
elec
tin
g
a
n
ap
p
r
o
p
r
iate
tr
ea
t
m
e
n
t
p
lan
d
ep
en
d
s
g
r
ea
tl
y
o
n
ac
c
u
r
atel
y
d
e
ter
m
i
n
in
g
t
h
e
n
at
u
r
e
an
d
g
r
ad
e
o
f
th
e
t
u
m
o
r
i
n
it
s
in
i
tial
s
ta
g
es.
A
u
s
e
f
u
l
m
e
th
o
d
f
o
r
id
en
ti
f
y
i
n
g
b
r
ain
t
u
m
o
r
s
is
to
ev
al
u
ate
t
h
e
p
atien
t
'
s
m
a
g
n
etic
r
eso
n
a
n
ce
i
m
ag
in
g
(
M
R
I
)
r
ep
o
r
t.
Giv
en
t
h
e
v
o
l
u
m
e
o
f
d
ata
a
n
d
t
h
e
v
ar
iet
y
o
f
b
r
ain
t
u
m
o
r
f
o
r
m
s
,
t
h
e
m
a
n
u
al
m
eth
o
d
b
e
co
m
e
s
lab
o
r
io
u
s
a
n
d
p
r
o
n
e
to
h
u
m
an
m
is
ta
k
es
[
1
]
,
[
2
]
.
I
t
is
b
elie
v
ed
t
h
at
t
h
i
s
t
y
p
e
o
f
tu
m
o
r
p
o
s
es
f
e
w
er
t
h
r
ea
ts
.
A
m
a
lig
n
a
n
t
t
u
m
o
r
h
as
s
p
r
ea
d
to
o
th
er
p
ar
ts
o
f
t
h
e
b
o
d
y
.
T
h
e
m
o
s
t
co
m
m
o
n
ca
u
s
e
o
f
d
ea
t
h
f
o
r
b
o
th
g
en
d
er
s
i
s
p
r
i
m
ar
y
b
r
ain
a
n
d
s
p
in
al
co
r
d
tu
m
o
r
s
[
3
]
.
I
n
ad
d
itio
n
to
h
i
g
h
-
a
n
d
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
A
r
ti
f
I
n
tell
I
SS
N:
2252
-
8938
E
n
h
a
n
ci
n
g
p
r
ec
is
io
n
med
icin
e
in
n
eu
r
o
ima
g
i
n
g
:
h
yb
r
id
mo
d
el
fo
r
b
r
a
in
tu
mo
r
a
n
a
lysi
s
(
R
a
viku
ma
r
S
a
jja
n
a
r
)
2197
lo
w
-
g
r
ad
e
b
r
ain
tu
m
o
r
s
,
o
th
e
r
co
m
m
o
n
t
y
p
es
s
u
c
h
as
p
itu
itar
y
tu
m
o
r
s
,
g
lio
m
as,
an
d
m
en
in
g
io
m
as
p
r
esen
t
v
ar
y
i
n
g
c
h
ar
ac
ter
is
tic
s
a
n
d
s
y
m
p
to
m
s
,
n
ec
es
s
itati
n
g
d
iv
er
s
e
tr
ea
t
m
e
n
t
ap
p
r
o
ac
h
es
[
4
]
.
T
h
e
in
it
ial
id
en
ti
f
icatio
n
a
n
d
class
i
f
icati
o
n
o
f
tu
m
o
r
s
is
a
s
u
b
s
ta
n
tial
zo
n
e
o
f
s
tu
d
y
i
n
t
h
e
ar
ea
o
f
m
ed
icin
al
i
m
a
g
i
n
g
p
r
o
ce
s
s
in
g
s
in
ce
it
is
an
e
f
f
ec
tiv
e
co
u
r
s
e
o
f
ac
tio
n
to
ex
ten
d
th
e
lif
e
o
f
a
p
atien
t
[
5
]
.
A
r
an
g
e
o
f
ap
p
r
o
ac
h
es,
in
cl
u
d
in
g
s
u
p
p
o
r
t v
ec
to
r
m
ac
h
in
e
(
SVM)
a
n
d
t
i
m
e
s
er
ies a
n
a
l
y
s
i
s
,
ar
e
u
s
ed
in
t
h
e
m
aj
o
r
ity
o
f
cu
r
r
en
t r
e
s
ea
r
ch
[
6
]
.
MRI
is
em
p
lo
y
ed
in
tu
m
o
r
d
etec
tio
n
a
n
d
class
i
f
icati
o
n
,
w
it
h
MRI
b
ein
g
p
ar
ticu
l
ar
l
y
v
al
u
ab
le
f
o
r
its
co
m
p
r
e
h
en
s
iv
e
d
ep
ictio
n
o
f
th
e
i
n
tr
icate
a
n
ato
m
y
o
f
t
h
e
h
u
m
a
n
b
r
ain
,
m
a
k
in
g
i
t
h
i
g
h
l
y
e
f
f
ec
ti
v
e
i
n
id
en
ti
f
y
i
n
g
g
lio
m
as
[
7
]
.
T
h
e
m
o
s
t
co
m
m
o
n
l
y
u
tili
ze
d
M
R
I
s
eq
u
en
ce
s
f
o
r
b
r
ain
s
t
u
d
ies
i
n
clu
d
e
T
1
c,
T
1
,
f
lu
id
-
atten
u
ated
i
n
v
er
s
io
n
r
ec
o
v
er
y
(
F
L
A
I
R
)
,
an
d
T
2
,
ea
ch
o
f
f
er
in
g
d
is
tin
c
t
d
etail
s
p
er
tin
en
t
to
b
r
ain
t
u
m
o
r
an
al
y
s
is
,
w
h
i
le
co
m
p
u
tatio
n
al
in
tell
ig
e
n
ce
m
o
d
el
s
h
o
ld
p
r
o
m
is
e
i
n
e
x
p
ed
itin
g
t
u
m
o
r
d
etec
tio
n
.
C
o
m
p
u
ted
to
m
o
g
r
ap
h
y
(
C
T
)
s
ca
n
s
an
d
x
-
r
a
y
s
ca
n
s
,
p
r
o
v
id
e
co
m
p
r
e
h
en
s
i
v
e
a
n
ato
m
ica
l
i
n
f
o
r
m
ati
o
n
o
n
v
ar
io
u
s
b
r
ai
n
ti
s
s
u
es
a
n
d
o
v
er
all
b
r
ai
n
s
tr
u
ctu
r
e
[
8
]
.
T
r
a
d
itio
n
al
m
et
h
o
d
s
f
o
r
b
r
ain
t
u
m
o
r
d
etec
tio
n
o
f
te
n
r
el
y
o
n
m
an
u
al
in
ter
p
r
etatio
n
b
y
r
ad
io
lo
g
is
t
s
o
r
b
asic
im
a
g
e
p
r
o
ce
s
s
in
g
te
ch
n
iq
u
es
[
9]
–
[
1
2
]
.
T
h
ey
ar
e
l
ab
o
r
-
in
ten
s
i
v
e
an
d
ti
m
e
-
co
n
s
u
m
i
n
g
an
d
r
eq
u
ir
e
ex
p
er
t k
n
o
w
led
g
e
an
d
m
etic
u
lo
u
s
atte
n
tio
n
to
d
etail.
T
h
e
d
etec
tio
n
an
d
ac
cu
r
ate
d
ia
g
n
o
s
is
o
f
b
r
ai
n
tu
m
o
r
s
ar
e
cr
it
ical
f
o
r
ef
f
ec
ti
v
e
tr
ea
t
m
en
t p
lan
n
i
n
g
an
d
p
atien
t
ca
r
e
[
1
3
]
.
T
r
ad
itio
n
al
m
et
h
o
d
s
o
f
b
r
ain
tu
m
o
r
d
etec
tio
n
r
el
y
h
ea
v
il
y
o
n
th
e
i
n
ter
p
r
etatio
n
o
f
m
ed
ical
i
m
a
g
in
g
,
p
ar
tic
u
lar
l
y
MRI.
Ho
w
e
v
er
,
th
e
co
m
p
lex
it
y
an
d
v
ar
iab
ilit
y
o
f
b
r
ain
t
u
m
o
r
ch
ar
ac
ter
is
tic
s
p
o
s
e
ch
alle
n
g
e
s
f
o
r
ac
cu
r
ate
an
d
ti
m
el
y
d
iag
n
o
s
i
s
[
1
4
]
–
[
1
6
]
.
I
n
r
ec
en
t
y
ea
r
s
,
t
h
e
in
te
g
r
atio
n
o
f
ad
v
an
ce
d
co
m
p
u
tatio
n
al
tec
h
n
iq
u
es,
s
u
c
h
as
co
n
v
o
l
u
tio
n
a
l
n
e
u
r
al
n
et
w
o
r
k
s
(
C
N
Ns
)
a
n
d
g
ated
r
ec
u
r
r
en
t
u
n
it
s
(
GR
U
s
)
,
h
as
s
h
o
w
n
p
r
o
m
i
s
i
n
g
r
es
u
lt
s
i
n
i
m
p
r
o
v
i
n
g
th
e
a
n
al
y
s
i
s
o
f
m
ed
ical
i
m
ag
e
s
,
esp
ec
iall
y
in
t
h
e
co
n
tex
t
o
f
t
h
r
ee
-
d
i
m
en
s
io
n
al
(
3D
)
M
R
I
d
ata.
T
h
is
r
esear
ch
ai
m
s
to
ad
v
an
ce
th
e
f
ie
ld
o
f
b
r
ain
tu
m
o
r
d
etec
tio
n
b
y
p
r
o
p
o
s
in
g
a
n
o
v
el
ap
p
r
o
ac
h
th
at
i
n
te
g
r
ates
C
NN
-
GR
U
ar
ch
itect
u
r
e
f
o
r
en
h
an
ce
d
an
a
l
y
s
is
o
f
3
D
MRI
i
m
ag
e
s
[
1
7
]
.
T
h
e
in
teg
r
atio
n
o
f
C
NN
-
GR
U
ar
ch
itect
u
r
e
o
f
f
er
s
s
e
v
er
al
ad
v
an
ta
g
e
s
f
o
r
an
a
l
y
zi
n
g
3
D
M
R
I
i
m
a
g
es
in
th
e
co
n
te
x
t
o
f
b
r
ain
tu
m
o
r
d
etec
tio
n
.
C
NNs
ar
e
w
e
ll
-
s
u
it
ed
f
o
r
lear
n
in
g
s
p
atial
f
ea
tu
r
e
s
f
r
o
m
v
o
l
u
m
etr
ic
d
ata,
m
a
k
i
n
g
t
h
e
m
ef
f
ec
ti
v
e
i
n
id
en
ti
f
y
in
g
p
atter
n
s
in
d
icati
v
e
o
f
tu
m
o
r
s
w
it
h
i
n
MRI
s
ca
n
s
[
1
8
]
,
[
1
9
]
.
On
th
e
o
th
er
h
a
n
d
,
G
R
Us
e
x
ce
l
i
n
c
ap
tu
r
in
g
te
m
p
o
r
al
d
ep
en
d
en
ci
es
a
n
d
s
eq
u
en
tia
l
p
atter
n
s
,
wh
ich
ar
e
cr
u
cial
f
o
r
in
ter
p
r
etin
g
t
h
e
i
n
tr
icate
s
tr
u
ct
u
r
es
a
n
d
ev
o
l
u
tio
n
o
f
t
u
m
o
r
s
o
v
er
ti
m
e.
B
y
co
m
b
i
n
i
n
g
th
e
s
e
t
w
o
ar
c
h
itect
u
r
es,
th
e
p
r
o
p
o
s
ed
m
o
d
el
ca
n
le
v
e
r
ag
e
b
o
th
s
p
atial
a
n
d
te
m
p
o
r
al
in
f
o
r
m
atio
n
in
h
er
en
t
in
3
D
MRI
s
eq
u
e
n
ce
s
,
lead
in
g
to
m
o
r
e
co
m
p
r
eh
e
n
s
iv
e
an
d
ac
cu
r
ate
tu
m
o
r
d
etec
tio
n
[
2
0
]
.
T
h
e
u
tili
za
t
io
n
o
f
3
D
MRI
i
m
ag
es
p
r
o
v
id
es
a
r
ich
er
r
ep
r
esen
tatio
n
o
f
th
e
b
r
ain
's
an
a
to
m
y
co
m
p
ar
ed
to
tr
ad
itio
n
al
2
D
s
l
ices,
allo
w
i
n
g
f
o
r
b
etter
v
is
u
aliza
tio
n
a
n
d
ch
ar
ac
ter
izatio
n
o
f
t
u
m
o
r
s
i
n
th
eir
e
n
tire
t
y
.
T
h
i
s
ad
d
itio
n
al
d
i
m
e
n
s
io
n
alit
y
e
n
h
an
ce
s
th
e
s
e
n
s
it
iv
i
t
y
an
d
s
p
ec
if
icit
y
o
f
t
u
m
o
r
d
etec
tio
n
al
g
o
r
ith
m
s
,
en
ab
li
n
g
clin
icia
n
s
to
m
ak
e
m
o
r
e
in
f
o
r
m
ed
d
ec
is
io
n
s
r
e
g
ar
d
in
g
p
atie
n
t
m
a
n
ag
e
m
e
n
t
a
n
d
tr
ea
t
m
e
n
t
s
tr
ateg
ie
s
.
T
h
r
o
u
g
h
th
e
in
te
g
r
atio
n
o
f
C
NN
-
G
R
U
ar
ch
itectu
r
e
an
d
3
D
MRI
im
ag
in
g
,
th
i
s
r
esear
ch
s
ee
k
s
t
o
co
n
tr
ib
u
te
to
t
h
e
d
ev
elo
p
m
en
t
o
f
m
o
r
e
r
o
b
u
s
t
an
d
r
eliab
le
to
o
ls
f
o
r
ea
r
ly
d
etec
tio
n
an
d
p
r
ec
is
e
lo
ca
lizatio
n
o
f
b
r
ain
tu
m
o
r
s
,
u
lti
m
atel
y
i
m
p
r
o
v
in
g
p
atien
t o
u
tco
m
e
s
an
d
q
u
ali
t
y
o
f
ca
r
e.
T
h
is
s
t
u
d
y
in
v
est
ig
ated
th
e
in
t
eg
r
atio
n
o
f
C
NN
-
G
R
U
ar
c
h
ite
ctu
r
e
f
o
r
en
h
an
ce
d
a
n
al
y
s
i
s
o
f
3
D
MRI
i
m
a
g
es
i
n
b
r
ain
t
u
m
o
r
d
etec
tio
n
.
P
r
ev
io
u
s
r
esear
c
h
h
a
s
ex
p
lo
r
ed
v
ar
io
u
s
m
ac
h
i
n
e
-
lear
n
i
n
g
m
et
h
o
d
s
f
o
r
tu
m
o
r
class
i
f
icatio
n
b
u
t
h
a
s
n
o
t
ad
eq
u
atel
y
ad
d
r
ess
ed
th
e
i
n
te
g
r
atio
n
o
f
s
p
atial
an
d
te
m
p
o
r
al
f
ea
tu
r
es.
C
NNs
ca
p
tu
r
e
s
p
atial
p
atter
n
s
,
w
h
ile
G
R
U
s
ca
p
tu
r
e
te
m
p
o
r
al
d
ep
en
d
en
cie
s
,
en
ab
lin
g
p
r
ec
is
e
d
etec
tio
n
o
f
tu
m
o
r
ev
o
lu
tio
n
.
T
h
e
p
r
o
p
o
s
ed
m
eth
o
d
le
v
er
ag
es
m
u
l
ti
-
m
o
d
al
3
D
M
R
I
d
ata,
o
f
f
er
in
g
i
m
p
r
o
v
ed
s
e
n
s
iti
v
it
y
an
d
s
p
ec
i
f
icit
y
in
tu
m
o
r
d
etec
tio
n
.
T
h
is
ap
p
r
o
ac
h
ai
m
s
to
en
h
a
n
ce
d
iag
n
o
s
tic
ac
cu
r
ac
y
,
u
l
ti
m
atel
y
i
m
p
r
o
v
i
n
g
p
atien
t
o
u
tco
m
es
an
d
q
u
alit
y
o
f
ca
r
e.
T
h
is
s
t
u
d
y
i
n
tr
o
d
u
ce
s
a
n
a
d
v
an
ce
d
ap
p
r
o
ac
h
to
b
r
ain
tu
m
o
r
d
etec
tio
n
u
s
i
n
g
a
C
NN
-
GR
U
ar
ch
itect
u
r
e
ap
p
lied
to
m
u
lti
-
m
o
d
al
3
D
M
R
I
i
m
a
g
e
s
.
T
r
ad
it
io
n
al
m
e
th
o
d
s
i
n
m
ed
ical
i
m
a
g
in
g
f
ac
e
ch
a
llen
g
e
s
d
u
e
to
th
e
co
m
p
le
x
it
y
an
d
v
ar
iab
ilit
y
o
f
b
r
ain
t
u
m
o
r
c
h
ar
ac
ter
is
tic
s
,
n
ec
es
s
itati
n
g
m
o
r
e
s
o
p
h
is
t
icate
d
tech
n
iq
u
es.
O
u
r
r
esear
ch
f
ill
s
th
is
g
ap
b
y
i
n
te
g
r
atin
g
C
N
Ns
f
o
r
s
p
atial
f
ea
t
u
r
e
ex
tr
ac
t
io
n
an
d
GR
Us
f
o
r
ca
p
tu
r
in
g
te
m
p
o
r
al
d
ep
en
d
en
cies,
th
u
s
i
m
p
r
o
v
in
g
th
e
s
en
s
iti
v
it
y
a
n
d
s
p
ec
if
ic
it
y
o
f
t
u
m
o
r
d
etec
tio
n
.
T
h
is
n
o
v
el
m
et
h
o
d
en
h
a
n
ce
s
d
ia
g
n
o
s
tic
ac
cu
r
ac
y
b
y
ef
f
ec
ti
v
el
y
an
al
y
z
in
g
t
h
e
in
tr
icate
s
tr
u
ct
u
r
es
an
d
e
v
o
lu
t
io
n
o
f
tu
m
o
r
s
o
v
er
ti
m
e,
f
ac
ili
tati
n
g
p
r
ec
is
e
lo
ca
lizatio
n
an
d
ch
ar
ac
ter
izatio
n
.
B
y
lev
er
a
g
i
n
g
3
D
MRI
d
ata,
o
u
r
ap
p
r
o
ac
h
n
o
t
o
n
l
y
e
n
h
an
ce
s
th
e
v
i
s
u
aliza
tio
n
o
f
tu
m
o
r
b
o
u
n
d
ar
ies
b
u
t
also
co
n
tr
ib
u
te
s
to
m
o
r
e
in
f
o
r
m
ed
tr
ea
t
m
e
n
t d
ec
is
io
n
s
an
d
i
m
p
r
o
v
ed
p
atien
t o
u
tco
m
es i
n
cli
n
ic
al
s
etti
n
g
s
.
W
e
f
o
u
n
d
th
at
th
e
in
teg
r
atio
n
o
f
th
e
p
r
o
p
o
s
ed
C
NN
-
G
R
U
m
ec
h
an
i
s
m
p
r
o
v
id
es
e
n
h
a
n
ce
d
a
n
al
y
s
i
s
o
f
m
u
lti
-
m
o
d
al
3
D
MRI
i
m
a
g
e
s
in
t
h
e
co
n
te
x
t
o
f
b
r
ai
n
tu
m
o
r
d
etec
tio
n
.
T
h
e
C
NN
co
m
p
o
n
en
t
ef
f
ec
ti
v
el
y
ex
tr
ac
ts
s
p
atial
f
ea
t
u
r
es
f
r
o
m
3
D
MRI
i
m
ag
e
s
,
ca
p
t
u
r
in
g
r
elev
an
t
p
atter
n
s
i
n
d
icati
v
e
o
f
t
u
m
o
r
p
r
esen
ce
.
T
h
e
GR
U
co
m
p
o
n
e
n
t
le
v
er
ag
es
its
r
ec
u
r
r
en
t
n
atu
r
e
to
ca
p
t
u
r
e
te
m
p
o
r
al
d
ep
en
d
en
cie
s
ac
r
o
s
s
s
eq
u
e
n
tial
M
R
I
s
lices,
e
n
h
an
c
in
g
t
h
e
u
n
d
er
s
t
an
d
in
g
o
f
t
u
m
o
r
ev
o
l
u
tio
n
a
n
d
p
r
o
g
r
ess
io
n
.
B
y
e
m
p
lo
y
in
g
C
NN
-
G
R
U,
o
u
r
m
et
h
o
d
en
ab
les
p
r
ec
is
e
d
etec
tio
n
o
f
in
tr
ica
te
tu
m
o
r
p
atter
n
s
o
v
er
ti
m
e,
en
s
u
r
i
n
g
d
i
s
cr
i
m
i
n
a
tin
g
s
e
n
s
iti
v
it
y
to
s
u
b
tle
c
h
an
g
es
f
o
r
ac
cu
r
ate
id
en
ti
f
icatio
n
.
T
h
e
in
co
r
p
o
r
atio
n
o
f
b
o
th
s
p
atial
an
d
te
m
p
o
r
al
in
f
o
r
m
atio
n
u
s
in
g
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
I
n
t J
A
r
ti
f
I
n
tell
,
Vo
l.
1
4
,
No
.
3
,
J
u
n
e
2
0
2
5
:
2
1
9
6
-
2209
2198
th
e
i
n
te
g
r
ated
C
NN
-
G
R
U
ar
c
h
itect
u
r
e
s
i
g
n
i
f
ican
tl
y
en
h
a
n
ce
s
th
e
ac
cu
r
ac
y
an
d
r
o
b
u
s
tn
e
s
s
o
f
b
r
ain
t
u
m
o
r
d
etec
tio
n
.
T
h
e
f
lo
w
o
f
t
h
is
p
r
o
p
o
s
ed
w
o
r
k
is
s
y
s
te
m
atize
d
as
f
o
llo
w
s
.
Sectio
n
2
in
clu
d
es
ea
r
lier
r
es
ea
r
ch
f
o
r
b
r
ain
tu
m
o
r
d
etec
tio
n
.
Sectio
n
3
d
is
c
u
s
s
ed
ab
o
u
t
th
e
p
r
o
b
le
m
s
tate
m
en
t.
Sectio
n
4
d
i
s
cu
s
s
ed
ab
o
u
t
th
e
p
r
o
p
o
s
ed
b
r
ain
tu
m
o
r
d
etec
ti
o
n
u
s
i
n
g
C
NN
b
ased
G
R
U.
Sectio
n
5
p
r
ese
n
t
s
t
h
e
i
n
v
est
ig
atio
n
a
l
s
e
tu
p
,
t
h
e
o
u
tco
m
es,
a
n
d
a
d
is
cu
s
s
io
n
o
f
f
i
n
d
in
g
s
.
Fi
n
all
y
,
s
ec
tio
n
6
ca
r
r
ies th
e
co
n
cl
u
s
io
n
o
f
t
h
e
p
ap
er
.
2.
RE
L
AT
E
D
WO
RK
S
Haj
m
o
h
a
m
ad
a
n
d
Ko
y
u
n
c
u
[
2
1
]
p
r
esen
ted
th
e
3D
to
2D
f
ea
tu
r
e
tr
a
n
s
f
o
r
m
ap
p
r
o
ac
h
(
3
t
2
FT
S)
f
o
r
co
m
p
lete
l
y
a
u
to
m
ated
co
m
p
u
ter
-
aid
ed
d
iag
n
o
s
is
(
C
AD)
o
f
g
r
ad
e
-
b
ased
b
r
ain
t
u
m
o
r
s
(
h
ig
h
-
g
r
ad
e
g
lio
m
a
(
HGG
)
an
d
lo
w
-
g
r
ad
e
g
lio
m
a
(
L
GG
)
)
.
T
h
e
m
et
h
o
d
co
n
v
er
ts
3
D
d
ata
an
al
y
tics
i
n
to
2
D
d
ata
an
al
y
t
ics
u
s
i
n
g
f
ir
s
t
-
o
r
d
er
s
tatis
tic
s
(
FOS),
wh
ich
m
a
k
es
d
ee
p
lear
n
i
n
g
tec
h
n
iq
u
es
e
f
f
icie
n
t.
T
h
e
f
r
a
m
e
w
o
r
k
ac
h
ie
v
es
8
0
%
class
i
f
icat
io
n
ac
cu
r
ac
y
f
o
r
3
D
ce
r
eb
r
al
tu
m
o
r
ca
teg
o
r
izat
io
n
,
an
d
it
co
n
tain
s
eig
h
t
n
e
w
tr
an
s
f
er
lear
n
in
g
n
et
w
o
r
k
s
.
B
y
co
n
v
er
ti
n
g
3D
s
p
ac
e
to
t
w
o
d
i
m
en
s
io
n
s
,
3
t2
FT
S
m
a
y
also
b
e
u
til
ized
to
d
is
tin
g
u
is
h
b
et
w
ee
n
v
ar
io
u
s
tu
m
o
r
ca
teg
o
r
ies
in
3
D
MRI
s
ca
n
s
.
I
n
co
n
tr
a
s
t
to
m
u
lti
-
p
ar
a
m
eter
s
ee
k
s
to
alter
th
e
v
is
u
al
o
f
s
tab
le
b
r
ain
tis
s
u
e,
i
t
also
ap
p
ea
r
s
a
s
a
s
p
ac
e
tr
a
n
s
f
o
r
m
tec
h
n
iq
u
e
e
m
p
lo
y
i
n
g
r
ad
io
m
ics.
T
h
e
r
e
s
ea
r
ch
e
m
p
h
a
s
izes
th
e
p
o
s
s
ib
ili
t
y
.
T
h
e
w
o
r
k
d
e
m
o
n
s
tr
ates
h
o
w
3
t
2
FT
S
m
a
y
en
h
a
n
ce
3D
MRI
-
b
ased
c
ateg
o
r
izatio
n
ta
s
k
s
.
I
t
co
u
ld
b
e
u
p
g
r
ad
ed
to
attem
p
ts
to
h
an
d
le
d
if
f
er
e
n
t
t
u
m
o
r
s
s
ca
n
n
ed
in
3
D
MRI,
cr
ea
te
a
n
e
w
d
ee
p
lear
n
in
g
f
r
a
m
e
w
o
r
k
u
s
in
g
R
e
s
Net5
0
lo
g
ic,
an
d
m
a
k
e
u
s
e
o
f
an
MRI
d
atab
ase
w
it
h
ar
ti
f
ac
ts
an
d
d
ef
o
r
m
itie
s
f
o
r
i
m
p
r
o
v
ed
ap
p
licatio
n
o
r
d
esig
n
.
C
h
at
ter
j
ee
et
a
l.
[
2
2
]
f
r
am
ed
s
p
atial
-
te
m
p
o
r
al
m
o
d
e
ls
,
w
h
ich
h
a
n
d
le
s
p
atia
l
d
i
m
en
s
io
n
s
in
d
ep
en
d
en
tl
y
o
r
r
ep
r
esen
t
s
l
i
ce
s
as
a
s
er
ies
o
f
p
ict
u
r
es
th
r
o
u
g
h
o
u
t
ti
m
e,
ca
n
b
e
u
s
ed
.
T
h
ese
m
o
d
els
lo
w
er
p
r
o
ce
s
s
in
g
co
s
t
s
w
h
ile
lear
n
i
n
g
ce
r
tai
n
te
m
p
o
r
al
as
w
ell
a
s
s
p
atial
co
r
r
elatio
n
s
.
C
o
m
p
a
r
ed
to
R
esNet1
8
,
a
p
u
r
e
3D
n
eu
r
al
n
et
w
o
r
k
,
th
e
t
w
o
m
o
d
els
o
u
tp
er
f
o
r
m
ed
it.
T
h
e
m
o
d
els
p
er
f
o
r
m
ed
b
etter
w
h
en
p
r
e
-
tr
ai
n
ed
o
n
a
s
ep
ar
ate
d
atab
ase
b
ef
o
r
e
b
ein
g
tr
ain
ed
to
clas
s
if
y
t
u
m
o
r
s
.
T
h
e
m
o
d
el
w
ith
t
h
e
h
i
g
h
est
F1
-
s
co
r
e,
t
h
e
p
r
ev
io
u
s
l
y
tr
ain
ed
R
e
s
Net
m
i
x
ed
co
n
v
o
l
u
tio
n
m
o
d
el,
h
ad
a
m
ea
n
ac
c
u
r
ac
y
o
f
9
6
.
9
8
%
an
d
an
F1
-
s
co
r
e
o
f
0
.
9
3
4
5
.
T
h
is
p
ap
er
u
s
e
s
a
s
i
n
g
le
d
ataset,
B
r
aT
S,
to
d
em
o
n
s
tr
ate
th
e
p
o
ten
tial
f
o
r
s
p
at
io
-
s
p
a
tial
m
o
d
el
s
to
b
ea
t
f
u
ll
y
3D
co
n
v
o
l
u
tio
n
al
n
e
t
w
o
r
k
s
f
o
r
a
b
r
ain
tu
m
o
r
d
iag
n
o
s
i
s
.
T
h
e
m
o
d
els
co
u
ld
b
e
co
m
p
ar
ed
f
o
r
o
th
er
task
s
to
estab
lis
h
a
s
h
ar
ed
u
n
d
er
s
ta
n
d
in
g
o
f
s
p
atio
-
s
p
atial
m
o
d
els
.
T
h
is
s
t
u
d
y
's
u
s
e
o
f
T
1
co
n
tr
ast
-
e
n
h
an
ce
d
i
m
a
g
e
s
alo
n
e,
alth
o
u
g
h
p
r
o
d
u
ce
d
h
ig
h
ac
cu
r
ac
y
in
t
u
m
o
r
class
if
ica
ti
o
n
,
is
o
n
e
o
f
its
li
m
itatio
n
s
.
I
n
clu
d
in
g
an
y
o
f
th
e
f
o
u
r
t
y
p
es
o
f
i
m
a
g
e
s
t
h
at
ar
e
a
cc
ess
ib
le
(
T
1
,
T
1
ce
,
T
2
,
an
d
T
2
-
F
L
A
I
R
)
m
i
g
h
t e
n
h
an
ce
t
h
e
p
er
f
o
r
m
a
n
ce
o
f
th
e
s
y
s
te
m
.
A
li
et
a
l.
[
2
3
]
s
u
g
g
e
s
ted
a
f
r
a
m
e
w
o
r
k
u
s
in
g
a
3D
U
-
N
et
ar
ch
itectu
r
e
an
d
C
NN
en
s
e
m
b
le
f
o
r
id
en
ti
f
y
i
n
g
b
r
ain
tu
m
o
r
s
f
r
o
m
co
m
p
o
s
ite
MRI
d
ata.
Us
in
g
d
y
n
a
m
ic
en
s
e
m
b
l
in
g
,
th
e
m
o
d
el
ac
h
ie
v
es
co
m
p
ar
ab
le
p
r
ec
is
io
n
in
cla
s
s
i
f
icatio
n
o
n
t
h
e
B
r
aT
S
2
0
1
9
d
a
taset
b
y
co
m
b
in
i
n
g
t
h
e
o
u
tp
u
t
s
o
f
b
o
th
n
et
w
o
r
k
s
.
B
y
o
b
tain
i
n
g
d
ice
v
al
u
e
s
o
f
0
.
7
5
0
,
0
.
9
0
6
,
an
d
0
.
8
4
6
o
n
au
g
m
e
n
ti
n
g
t
u
m
o
r
,
w
h
o
le
t
u
m
o
r
,
an
d
tu
m
o
r
co
r
e,
r
esp
ec
tiv
el
y
,
o
u
r
s
u
g
g
ested
s
t
r
ateg
y
o
u
tp
er
f
o
r
m
s
m
o
d
er
n
m
et
h
o
d
s
.
T
h
e
ex
p
er
im
e
n
t
s
wer
e
d
o
n
e
o
n
a
w
id
e
r
an
g
e
o
f
n
et
w
o
r
k
s
an
d
th
eir
v
ar
io
u
s
co
n
f
i
g
u
r
atio
n
s
b
ef
o
r
e
s
elec
ti
n
g
C
NN
an
d
t
h
e
3D
U
-
Net.
I
t
also
ex
p
er
i
m
e
n
ted
w
it
h
s
ev
er
al
C
NN
v
ar
iatio
n
s
,
ad
j
u
s
ti
n
g
t
h
e
la
y
er
s
u
s
ed
i
n
th
e
in
i
ti
al
d
esig
n
,
b
u
t
t
h
e
p
er
f
o
r
m
a
n
ce
d
id
n
o
t i
m
p
r
o
v
e.
A
lt
h
o
u
g
h
t
h
e
tech
n
iq
u
e
w
o
r
k
s
w
ell
o
n
th
e
w
h
o
le
tu
m
o
r
.
I
f
t
h
e
en
h
a
n
ci
n
g
t
u
m
o
r
is
s
m
aller
th
a
n
t
h
e
th
r
es
h
o
ld
,
n
ec
r
o
s
is
is
r
ep
lace
d
f
o
r
th
e
a
f
f
ec
ted
r
eg
io
n
,
w
h
ic
h
m
ig
h
t
le
ad
to
a
co
n
s
id
er
ab
le
in
cr
ea
s
e
in
th
e
s
p
ec
i
f
icit
y
o
f
th
e
e
n
h
an
ce
d
t
u
m
o
r
ca
teg
o
r
y
.
Sti
ll
h
a
s
ce
r
tai
n
l
i
m
itatio
n
s
t
h
at
t
h
e
a
u
t
h
o
r
ized
v
alid
ati
n
g
s
et
o
f
t
h
e
ta
s
k
is
t
h
e
s
i
n
g
le
s
et
u
s
ed
to
as
s
ess
t
h
e
s
u
g
g
ested
g
r
o
u
p
.
I
n
d
ep
en
d
e
n
t
o
f
t
h
e
c
h
alle
n
g
e,
tr
y
in
g
o
n
o
t
h
er
clin
ical
M
R
I
d
ata
ca
n
f
u
r
th
er
e
v
al
u
ate
th
e
v
a
lid
it
y
o
f
t
h
e
tec
h
n
iq
u
e.
L
e
et
a
l.
[
2
4
]
s
u
g
g
ested
t
h
at
m
u
ltit
a
s
k
n
et
w
o
r
k
s
ar
e
b
r
ain
tu
m
o
r
m
as
k
est
i
m
a
tio
n
a
n
d
b
r
ain
tu
m
o
r
ar
ea
id
en
ti
f
icatio
n
.
A
co
n
t
ex
t
b
r
a
in
tu
m
o
r
id
en
tific
ati
o
n
n
et
w
o
r
k
s
er
v
es
a
s
a
n
a
w
ar
e
n
ess
b
ar
r
ier
,
co
n
ce
n
tr
ati
n
g
o
n
t
h
e
ar
ea
s
u
r
r
o
u
n
d
i
n
g
t
h
e
b
r
ain
t
u
m
o
r
an
d
d
is
r
eg
ar
d
in
g
it
s
d
is
ta
n
t
n
eig
h
b
o
r
th
e
b
ac
k
g
r
o
u
n
d
t
o
ac
co
m
p
li
s
h
its
in
itial
g
o
al.
U
n
lik
e
p
r
ev
io
u
s
o
b
j
ec
t
id
en
ti
f
icat
io
n
n
et
w
o
r
k
s
,
t
h
i
s
m
eth
o
d
d
o
es
n
o
t
p
r
o
ce
s
s
ea
c
h
an
d
ev
er
y
p
ix
el.
B
y
s
e
g
m
e
n
ti
n
g
b
o
th
m
ass
iv
e
a
n
d
tin
y
b
r
ai
n
tu
m
o
r
o
b
j
ec
ts
,
th
e
s
ec
o
n
d
o
b
j
ec
tiv
e
is
ac
co
m
p
li
s
h
ed
u
s
i
n
g
an
en
co
d
e
-
d
ec
o
d
e
n
et
w
o
r
k
.
T
h
e
n
et
w
o
r
k
p
r
eser
v
e
s
a
n
d
en
h
a
n
ce
s
th
e
ch
ar
ac
ter
is
t
ics
s
ee
n
at
v
ar
io
u
s
d
ep
th
s
.
B
y
s
e
ar
ch
in
g
i
n
to
co
n
te
x
t
r
eg
io
n
s
o
f
g
r
o
u
n
d
tr
u
t
h
s
ce
n
ar
io
s
,
t
h
e
n
e
t
w
o
r
k
ad
d
itio
n
al
l
y
in
cl
u
d
es
g
r
ea
ter
i
n
f
o
r
m
atio
n
ab
o
u
t
co
n
tex
t
f
r
o
m
d
i
m
e
n
s
io
n
MRI
i
n
f
o
r
m
atio
n
u
s
i
n
g
3D
atr
o
u
s
co
n
v
o
lu
t
io
n
w
it
h
d
if
f
er
e
n
t
k
er
n
e
l
s
izes,
en
ab
lin
g
m
o
r
e
ap
p
r
o
p
r
iate
r
ec
o
m
m
en
d
atio
n
s
.
T
h
e
ad
v
an
ta
g
e
s
o
f
b
o
th
lo
ca
l
an
d
g
lo
b
al
in
f
o
r
m
atio
n
ar
e
in
h
er
i
t
ed
b
y
th
is
m
et
h
o
d
,
w
h
ich
k
e
ep
s
th
e
n
et
w
o
r
k
s
ize
f
r
o
m
r
is
in
g
.
T
h
e
m
u
lti
tas
k
n
et
w
o
r
k
m
a
y
f
ac
e
d
r
a
w
b
ac
k
s
in
cl
u
d
in
g
i
n
cr
ea
s
ed
co
m
p
le
x
it
y
,
h
ig
h
co
m
p
u
tatio
n
al
r
eso
u
r
ce
r
eq
u
ir
e
m
e
n
t
s
,
d
em
a
n
d
i
n
g
tr
ai
n
i
n
g
d
ata
n
ee
d
s
,
li
m
ited
g
e
n
er
aliza
tio
n
ab
ilit
y
,
an
d
r
ed
u
ce
d
in
ter
p
r
etab
ilit
y
.
L
i
u
et
a
l
.
[
2
5
]
f
r
a
m
ed
a
n
eu
r
al
n
et
w
o
r
k
ca
lled
th
e
d
ee
p
s
u
p
er
v
is
ed
3
D
s
q
u
ee
ze
-
a
n
d
-
e
x
citat
io
n
V
-
Ne
t
(
DSSE
-
V
-
Ne
t)
w
a
s
cr
ea
ted
s
p
ec
if
icall
y
f
o
r
th
e
d
etec
tio
n
o
f
tu
m
o
r
s
f
r
o
m
MRIs.
T
o
en
h
an
ce
t
h
e
n
et
w
o
r
k
'
s
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
A
r
ti
f
I
n
tell
I
SS
N:
2252
-
8938
E
n
h
a
n
ci
n
g
p
r
ec
is
io
n
med
icin
e
in
n
eu
r
o
ima
g
i
n
g
:
h
yb
r
id
mo
d
el
fo
r
b
r
a
in
tu
mo
r
a
n
a
lysi
s
(
R
a
viku
ma
r
S
a
jja
n
a
r
)
2199
p
er
f
o
r
m
a
n
ce
,
b
atch
n
o
r
m
aliz
atio
n
,
an
d
b
o
tto
m
r
esid
u
al
b
lo
ck
s
a
r
e
in
cl
u
d
ed
.
T
h
e
f
r
am
e
w
o
r
k
's
f
o
cu
s
o
n
in
f
o
r
m
ati
v
e
ch
ar
ac
ter
is
tics
is
s
tr
en
g
th
e
n
ed
b
y
th
e
i
n
te
g
r
atio
n
o
f
SE
m
o
d
u
les
in
to
b
o
th
th
e
d
ec
o
d
er
an
d
en
co
d
er
s
tag
e
s
.
T
h
e
s
m
o
o
th
in
co
r
p
o
r
atio
n
o
f
3D
d
ee
p
s
u
p
er
v
is
io
n
p
r
o
m
o
tes
in
ter
m
ed
iate
-
p
h
ase
f
ilter
s
to
g
iv
e
h
ig
h
d
i
s
cr
i
m
i
n
ati
v
e
f
ea
t
u
r
es
p
r
io
r
ity
,
w
h
ic
h
ac
ce
ler
ates
co
n
v
er
g
e
n
ce
.
A
s
a
r
esu
lt,
d
u
r
in
g
tr
ain
i
n
g
,
t
h
e
m
o
d
el
co
u
ld
s
elec
t
m
o
r
e
s
o
p
h
is
tica
ted
r
ep
r
esen
tatio
n
s
a
n
d
i
m
p
r
o
v
e
r
esu
lt
s
.
T
h
e
DSSE
-
V
-
Net
ex
h
ib
its
b
ette
r
ac
cu
r
ac
y
th
a
n
t
h
e
3
D
U
-
Net
a
n
d
m
o
d
i
f
ied
V
-
Net.
I
t
als
o
p
er
f
o
r
m
s
q
u
ite
co
m
p
etit
iv
el
y
w
h
en
co
m
p
ar
ed
to
t
h
e
w
i
n
n
i
n
g
s
tr
ate
g
ies
f
r
o
m
t
h
e
B
r
aT
S
2
0
1
7
,
p
r
o
v
in
g
it
s
u
s
e
f
u
l
n
es
s
i
n
p
r
ac
tical
s
it
u
atio
n
s
.
A
p
o
ten
tial
o
p
tio
n
f
o
r
clin
ical
u
s
es
w
h
er
e
p
r
ec
is
e
a
n
d
ef
f
ec
ti
v
e
tu
m
o
r
id
en
t
if
ica
t
io
n
is
es
s
en
t
ial
i
s
p
r
o
v
id
ed
b
y
t
h
e
D
SS
E
-
V
-
Net.
Desp
ite
its
en
h
a
n
ce
d
p
er
f
o
r
m
an
ce
a
n
d
co
m
p
etiti
v
en
e
s
s
,
th
e
s
y
s
te
m
m
a
y
f
ac
e
c
h
a
llen
g
es
r
elate
d
to
co
m
p
u
tatio
n
al
co
m
p
le
x
it
y
,
d
at
a
r
eq
u
ir
e
m
en
t
s
,
in
ter
p
r
etab
ilit
y
,
an
d
g
e
n
er
aliza
tio
n
to
d
iv
er
s
e
d
atasets
.
3.
P
RO
B
L
E
M
ST
AT
E
M
E
NT
W
h
ile
th
e
d
escr
ib
ed
d
ee
p
lear
n
in
g
-
b
ased
m
et
h
o
d
f
o
r
g
lio
m
a
s
d
etec
tio
n
u
s
in
g
m
u
ltip
le
m
o
d
alities
o
f
MRI
s
h
o
w
s
p
r
o
m
is
i
n
g
r
esu
l
ts
an
d
i
m
p
r
o
v
e
m
en
ts
.
I
n
a
co
m
p
r
eh
en
s
i
v
e
tu
m
o
r
d
etec
tio
n
ap
p
r
o
ac
h
,
it is
ess
e
n
tia
l
to
co
n
s
id
er
n
o
t
o
n
l
y
th
e
d
elin
ea
tio
n
o
f
tu
m
o
r
b
o
u
n
d
ar
ies
b
u
t
also
t
h
e
d
ete
ctio
n
o
f
w
h
et
h
e
r
a
tu
m
o
r
is
p
r
ese
n
t
in
t
h
e
g
iv
e
n
i
m
a
g
e.
W
ith
o
u
t
t
h
is
a
s
s
e
s
s
m
en
t,
th
e
c
lin
ica
l
u
t
ilit
y
o
f
t
h
e
d
etec
tio
n
r
es
u
lt
s
m
a
y
b
e
li
m
i
ted
[
2
6
]
.
T
o
tack
le
th
ese
co
n
s
eq
u
en
ce
s
,
t
h
e
p
r
o
p
o
s
ed
m
et
h
o
d
co
m
b
i
n
es
t
h
e
C
NN
ar
ch
itec
tu
r
e
f
o
r
f
ea
tu
r
e
ex
tr
ac
tio
n
an
d
C
NN
b
ased
G
R
U
f
o
r
th
e
d
etec
tio
n
o
f
t
u
m
o
r
s
i
n
m
u
lti
-
m
o
d
al
M
R
I
i
m
ag
e
s
.
T
h
e
C
N
N
is
u
s
ed
to
lear
n
to
d
elin
ea
te
tu
m
o
r
b
o
u
n
d
ar
ies
ac
r
o
s
s
d
if
f
er
e
n
t
MRI
m
o
d
alitie
s
,
w
h
ile
th
e
C
NN
-
b
ased
GR
U
d
etec
ts
th
e
p
r
esen
ce
o
f
t
u
m
o
r
s
b
ased
o
n
t
h
e
te
m
p
o
r
al
ev
o
lu
tio
n
o
f
tu
m
o
r
c
h
ar
ac
ter
is
tics
.
Sev
er
al
m
e
th
o
d
s
h
a
v
e
b
ee
n
e
m
p
lo
y
ed
f
o
r
au
to
m
ated
b
r
ain
tu
m
o
r
d
iag
n
o
s
is
f
r
o
m
M
R
I
d
ata.
T
h
ese
in
clu
d
e
th
e
3D
to
3
t2
F
T
S,
w
h
ic
h
ac
h
ie
v
es
ef
f
ic
ien
t
d
ee
p
lear
n
in
g
b
y
co
n
v
er
tin
g
3
D
d
ata
an
al
y
tics
i
n
to
2
D
u
s
in
g
FO
S
,
w
h
ich
en
h
a
n
ce
s
p
e
r
f
o
r
m
an
ce
th
r
o
u
g
h
b
atch
n
o
r
m
aliza
tio
n
,
b
o
tto
m
r
esid
u
al
b
lo
ck
s
,
an
d
i
n
te
g
r
ati
o
n
o
f
s
q
u
ee
ze
-
a
n
d
-
e
x
citatio
n
m
o
d
u
les.
Sp
atial
-
te
m
p
o
r
al
m
o
d
els
h
a
v
e
al
s
o
b
ee
n
d
ev
elo
p
ed
to
clas
s
i
f
y
v
ar
io
u
s
tu
m
o
r
t
y
p
e
s
u
s
i
n
g
s
p
atio
-
s
p
atial
co
r
r
elatio
n
s
,
o
u
tp
er
f
o
r
m
i
n
g
p
u
r
el
y
3D
co
n
v
o
lu
tio
n
al
n
et
w
o
r
k
s
.
A
d
d
itio
n
all
y
,
a
m
eth
o
d
e
m
p
lo
y
in
g
a
3D
GR
U
ar
ch
itect
u
r
e
an
d
C
NN
e
n
s
e
m
b
le
d
e
m
o
n
s
tr
ates
p
r
o
m
i
s
in
g
r
esu
lts
in
t
u
m
o
r
id
en
tific
atio
n
,
b
u
t
c
h
alle
n
g
es
r
e
m
a
in
r
eg
ar
d
in
g
co
m
p
u
tatio
n
al
c
o
m
p
le
x
it
y
,
d
ata
r
eq
u
ir
e
m
en
ts
,
i
n
ter
p
r
etab
ilit
y
,
a
n
d
g
e
n
er
aliza
tio
n
t
o
d
iv
er
s
e
d
atasets
.
Fu
r
t
h
er
m
o
r
e,
w
h
ile
t
h
ese
te
ch
n
iq
u
es
s
h
o
w
e
f
f
icac
y
i
n
t
u
m
o
r
d
etec
tio
n
tas
k
s
,
ex
te
n
d
in
g
t
h
e
m
to
o
th
er
b
io
m
ed
ical
i
m
a
g
e
an
al
y
s
e
s
m
a
y
n
ec
e
s
s
itate
ad
d
itio
n
a
l v
alid
a
tio
n
an
d
ad
ap
tatio
n
f
o
r
o
p
ti
m
a
l p
er
f
o
r
m
a
n
ce
.
4.
B
RAIN TUM
O
R
DE
T
E
CT
I
O
N
USI
N
G
CNN
-
G
RU
T
h
e
p
r
o
p
o
s
ed
m
eth
o
d
f
o
r
b
r
ain
tu
m
o
r
d
etec
tio
n
u
s
i
n
g
C
N
N
-
G
R
U
in
v
o
l
v
es
s
e
v
er
al
s
tep
s
.
T
h
e
f
ir
s
t
s
tep
is
i
n
p
u
t
p
r
e
-
p
r
o
ce
s
s
in
g
o
f
m
u
lti
-
m
o
d
al
MRI
i
m
ag
e
s
to
s
ta
n
d
ar
d
ize
d
i
m
e
n
s
io
n
s
,
n
o
r
m
al
ize
p
ix
el
v
al
u
e
s
,
an
d
en
h
a
n
ce
co
n
tr
ast.
T
h
en
,
th
e
p
r
e
-
p
r
o
ce
s
s
ed
im
a
g
es
ar
e
in
p
u
t
in
to
a
co
n
v
o
l
u
tio
n
al
n
et
w
o
r
k
an
d
GR
U
la
y
er
s
f
o
r
tu
m
o
r
p
r
esen
ce
d
etec
tio
n
,
w
h
ic
h
a
n
al
y
ze
s
s
eq
u
en
tial
d
at
a
f
r
o
m
MRI
s
lices
a
n
d
cla
s
s
i
f
i
es
tu
m
o
r
p
r
esen
ce
.
T
h
e
b
r
ain
tu
m
o
r
d
etec
ti
o
n
s
y
s
te
m
u
t
ilizi
n
g
C
NN
-
G
R
U
ar
c
h
itect
u
r
e
is
d
es
ig
n
ed
to
id
en
t
i
f
y
th
e
p
r
ese
n
ce
o
f
tu
m
o
r
s
in
MRI
i
m
a
g
es.
I
t
f
o
ll
o
w
s
a
s
tr
u
c
tu
r
ed
m
et
h
o
d
o
lo
g
y
in
v
o
l
v
in
g
d
ata
p
r
e
-
p
r
o
ce
s
s
in
g
,
f
ea
tu
r
e
ex
tr
ac
tio
n
w
it
h
a
C
NN,
a
n
d
te
m
p
o
r
al
d
e
p
en
d
en
c
y
a
n
al
y
s
i
s
u
s
i
n
g
a
G
R
U
n
et
w
o
r
k
.
B
y
co
m
b
in
i
n
g
s
p
atial
an
d
te
m
p
o
r
al
f
ea
t
u
r
es,
t
h
e
s
y
s
te
m
e
f
f
ec
tiv
e
l
y
d
is
ce
r
n
s
p
atter
n
s
as
s
o
ciate
d
w
it
h
tu
m
o
r
p
r
esen
ce
.
T
h
e
co
m
b
in
ed
ap
p
r
o
ac
h
i
s
th
en
in
te
g
r
ated
i
n
to
a
u
n
i
f
ied
p
ip
elin
e,
en
s
u
r
i
n
g
ac
c
u
r
ate
t
u
m
o
r
d
etec
tio
n
.
T
h
e
m
eth
o
d
's
clin
ical
u
tili
t
y
is
ass
es
s
ed
b
y
a
n
al
y
zi
n
g
its
i
m
p
ac
t
o
n
tr
ea
t
m
e
n
t
p
la
n
n
i
n
g
,
p
r
o
g
n
o
s
is
p
r
ed
ictio
n
,
a
n
d
p
atie
n
t
o
u
tco
m
es.
Fi
g
u
r
e
1
s
h
o
w
s
t
h
e
p
r
o
p
o
s
ed
f
r
a
m
e
w
o
r
k
o
f
C
NN
b
ased
GR
U
f
o
r
b
r
ain
tu
m
o
r
d
etec
tio
n
w
h
ic
h
ill
u
s
t
r
ates
th
e
s
eq
u
en
tia
l
f
lo
w
o
f
p
r
o
ce
s
s
in
g
s
tep
s
h
i
g
h
li
g
h
t
in
g
t
h
e
f
u
s
io
n
o
f
d
ee
p
lear
n
in
g
tech
n
iq
u
e
s
f
o
r
ac
c
u
r
ate
an
d
ef
f
icie
n
t
d
iag
n
o
s
i
s
.
4
.
1
.
Da
t
a
c
o
llect
io
n
T
h
e
B
r
a
T
S
2
0
2
0
d
ataset
w
a
s
u
til
ized
in
th
is
r
esear
c
h
,
co
m
p
r
i
s
i
n
g
m
u
lt
i
-
m
o
d
al
M
R
I
s
ca
n
s
f
r
o
m
p
atien
ts
w
it
h
b
r
ain
tu
m
o
r
s
,
o
f
f
er
i
n
g
T
1
-
w
e
ig
h
ted
,
T
1
-
w
ei
g
h
ted
w
it
h
co
n
tr
a
s
t
e
n
h
an
ce
m
e
n
t
(
T
1
c)
,
T2
-
w
eig
h
ted
,
a
n
d
F
L
A
I
R
i
m
ag
es.
T
h
e
d
ataset
is
d
iv
id
ed
i
n
to
t
w
o
cla
s
s
es
:
clas
s
0
(
n
o
n
-
tu
m
o
r
i
m
a
g
es)
a
n
d
class
1
(
tu
m
o
r
i
m
a
g
es).
I
t
in
clu
d
e
s
i
m
a
g
es
f
r
o
m
g
l
io
m
a
s
,
r
ef
lecti
n
g
r
ea
l
-
w
o
r
ld
cli
n
i
ca
l
s
ce
n
ar
io
s
an
d
p
r
o
v
id
in
g
a
co
m
p
r
eh
e
n
s
i
v
e
r
ep
r
esen
tatio
n
o
f
t
u
m
o
r
ch
ar
a
cter
is
tics
.
Gr
o
u
n
d
tr
u
t
h
an
n
o
tatio
n
s
b
y
e
x
p
er
t
r
ad
io
lo
g
is
ts
f
ac
i
litate
th
e
as
s
ess
m
en
t
o
f
al
g
o
r
ith
m
s
u
s
i
n
g
s
tan
d
ar
d
m
etr
ics,
en
ab
li
n
g
th
e
d
ev
elo
p
m
e
n
t
an
d
v
alid
atio
n
o
f
alg
o
r
it
h
m
s
f
o
r
b
r
ain
tu
m
o
r
d
etec
tio
n
an
d
cli
n
ic
al
d
ec
is
io
n
s
u
p
p
o
rt
[
2
7
]
.
4
.
2
.
P
re
-
pro
ce
s
s
ing
us
ing
m
i
n
-
m
a
x
no
r
m
a
liza
t
io
n
P
r
e
-
p
r
o
ce
s
s
in
g
u
s
i
n
g
m
in
-
m
a
x
n
o
r
m
aliza
t
io
n
i
s
a
cr
u
cial
s
tep
in
p
r
ep
ar
in
g
m
ed
ical
i
m
a
g
in
g
d
ata,
s
u
c
h
a
s
3
D
M
R
I
s
ca
n
s
,
f
o
r
f
ea
t
u
r
e
ex
tr
ac
t
io
n
a
n
d
cla
s
s
i
f
icatio
n
u
s
i
n
g
C
NN
-
G
R
U
ar
c
h
itect
u
r
e.
Mi
n
-
m
a
x
n
o
r
m
aliza
t
io
n
s
ca
le
s
th
e
p
i
x
el
in
te
n
s
it
y
v
alu
e
s
o
f
t
h
e
MRI
i
m
a
g
es
to
a
p
r
ed
ef
in
ed
r
an
g
e,
t
y
p
icall
y
b
et
w
ee
n
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
I
n
t J
A
r
ti
f
I
n
tell
,
Vo
l.
1
4
,
No
.
3
,
J
u
n
e
2
0
2
5
:
2
1
9
6
-
2209
2200
0
an
d
1
,
b
y
s
u
b
tr
ac
tin
g
t
h
e
m
i
n
i
m
u
m
p
i
x
el
in
ten
s
it
y
v
al
u
e
an
d
d
iv
id
in
g
b
y
t
h
e
d
if
f
e
r
en
ce
b
et
w
ee
n
t
h
e
m
ax
i
m
u
m
a
n
d
m
in
i
m
u
m
v
al
u
es.
T
h
is
n
o
r
m
a
lizatio
n
tech
n
iq
u
e
e
n
s
u
r
es
th
a
t
all
p
i
x
el
v
alu
e
s
ar
e
w
i
th
i
n
a
co
n
s
is
ten
t
a
n
d
s
tan
d
ar
d
ized
r
an
g
e,
w
h
ic
h
i
s
es
s
en
tial
f
o
r
tr
ain
in
g
n
e
u
r
al
n
et
w
o
r
k
s
e
f
f
ec
ti
v
e
l
y
.
B
y
n
o
r
m
aliz
in
g
th
e
in
p
u
t
d
ata,
th
e
m
o
d
el
b
ec
o
m
e
s
les
s
s
e
n
s
it
iv
e
to
v
ar
iatio
n
s
i
n
p
ix
el
i
n
te
n
s
it
y
ac
r
o
s
s
d
i
f
f
er
en
t
M
R
I
s
ca
n
s
,
allo
w
i
n
g
it
to
f
o
cu
s
o
n
ex
tr
a
ctin
g
m
ea
n
i
n
g
f
u
l
f
ea
tu
r
es
r
el
ated
to
tu
m
o
r
ch
ar
ac
ter
is
tic
s
r
ath
er
th
an
b
ei
n
g
in
f
lu
e
n
ce
d
b
y
d
if
f
er
en
ce
s
i
n
i
m
ag
e
b
r
i
g
h
t
n
es
s
o
r
co
n
tr
ast.
Min
-
m
a
x
n
o
r
m
aliza
t
io
n
is
g
i
v
en
in
(
1
)
.
=
−
−
(
1
)
Min
-
m
a
x
n
o
r
m
aliza
tio
n
h
elp
s
m
iti
g
ate
is
s
u
e
s
r
elate
d
to
d
ata
d
is
tr
ib
u
tio
n
an
d
co
n
v
er
g
e
n
ce
d
u
r
in
g
t
h
e
tr
ain
i
n
g
p
r
o
ce
s
s
.
B
y
s
ca
l
in
g
t
h
e
in
p
u
t
d
ata
to
a
co
m
m
o
n
r
an
g
e,
t
h
e
o
p
ti
m
izatio
n
al
g
o
r
ith
m
u
s
ed
to
tr
ain
th
e
C
NN
-
GR
U
m
o
d
el
ca
n
co
n
v
e
r
g
e
m
o
r
e
ef
f
icie
n
tl
y
,
lead
i
n
g
to
f
aster
tr
ain
i
n
g
ti
m
e
s
an
d
p
o
ten
tiall
y
b
etter
p
er
f
o
r
m
a
n
ce
.
A
d
d
itio
n
all
y
,
n
o
r
m
al
izatio
n
h
e
lp
s
p
r
ev
en
t
t
h
e
m
o
d
el
f
r
o
m
b
ec
o
m
in
g
b
ias
ed
to
w
ar
d
s
f
ea
tu
r
e
s
w
it
h
lar
g
er
m
ag
n
it
u
d
es,
w
h
ic
h
co
u
ld
s
k
e
w
t
h
e
lear
n
i
n
g
p
r
o
ce
s
s
a
n
d
h
i
n
d
er
th
e
m
o
d
el
'
s
ab
i
lit
y
to
g
e
n
er
alize
to
u
n
s
ee
n
d
ata.
Ov
er
all,
p
r
e
-
p
r
o
ce
s
s
i
n
g
u
s
in
g
m
i
n
-
m
a
x
n
o
r
m
aliza
tio
n
p
la
y
s
a
cr
itical
r
o
le
in
e
n
h
a
n
ci
n
g
th
e
r
o
b
u
s
tn
es
s
a
n
d
ef
f
ec
ti
v
e
n
es
s
o
f
C
N
N
-
GR
U
-
b
ased
b
r
ain
tu
m
o
r
d
etec
t
io
n
s
y
s
te
m
s
b
y
e
n
s
u
r
in
g
t
h
at
th
e
in
p
u
t
d
ata
is
s
tan
d
ar
d
ized
an
d
s
u
i
tab
le
f
o
r
n
eu
r
al
n
et
w
o
r
k
tr
ai
n
i
n
g
.
Fig
u
r
e
1
.
P
r
o
p
o
s
ed
b
r
ain
tu
m
o
r
d
etec
tio
n
u
s
i
n
g
C
NN
-
G
R
U
4
.
3
.
F
e
a
t
ure
ex
t
ra
ct
io
n a
nd
cla
s
s
if
ica
t
io
n us
ing
CN
N
-
G
R
U
Featu
r
e
e
x
tr
ac
tio
n
a
n
d
cla
s
s
i
f
icatio
n
w
er
e
p
er
f
o
r
m
ed
u
s
in
g
a
C
NN
-
G
R
U
ar
c
h
itect
u
r
e,
i
n
teg
r
at
in
g
C
NNs
a
n
d
G
R
Us.
C
NN
s
au
t
o
m
a
ticall
y
lear
n
ed
h
ier
ar
ch
ic
al
r
ep
r
esen
tatio
n
s
o
f
f
ea
t
u
r
es
f
r
o
m
t
h
e
3
D
M
R
I
i
m
a
g
es,
ca
p
t
u
r
in
g
co
m
p
lex
p
atter
n
s
a
n
d
s
tr
u
ct
u
r
es
w
i
th
i
n
t
h
e
i
m
a
g
es
to
id
en
ti
f
y
s
u
b
tle
ab
n
o
r
m
alitie
s
in
d
icati
v
e
o
f
t
u
m
o
r
s
.
T
h
e
s
p
atial
f
ea
t
u
r
es
e
x
tr
ac
ted
b
y
C
NN
s
f
r
o
m
in
d
i
v
id
u
a
l
MRI
s
lices
s
er
v
ed
as
t
h
e
i
n
p
u
t
to
th
e
GR
Us,
w
h
ic
h
ca
p
tu
r
ed
te
m
p
o
r
al
d
ep
en
d
en
cies
an
d
s
e
q
u
en
tial
p
atter
n
s
in
h
er
e
n
t
in
t
h
e
m
ed
ical
i
m
ag
in
g
d
ata
b
y
p
r
o
ce
s
s
i
n
g
t
h
e
s
p
atial
f
ea
t
u
r
es
ac
r
o
s
s
m
u
ltip
le
M
R
I
s
lices,
ca
p
t
u
r
in
g
t
h
e
d
y
n
a
m
ic
ev
o
lu
tio
n
o
f
tu
m
o
r
s
o
v
er
ti
m
e.
T
h
e
m
o
d
el
w
as
tr
ai
n
ed
o
n
th
e
B
r
aT
S
2
0
2
0
d
ataset,
w
h
i
ch
i
n
cl
u
d
es
g
r
o
u
n
d
tr
u
th
tu
m
o
r
lab
el
s
an
n
o
tated
b
y
ex
p
er
t
r
ad
io
lo
g
is
t
s
.
T
ec
h
n
iq
u
es
s
u
c
h
as
o
v
er
s
a
m
p
li
n
g
o
f
th
e
m
in
o
r
i
t
y
class
a
n
d
d
ata
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
A
r
ti
f
I
n
tell
I
SS
N:
2252
-
8938
E
n
h
a
n
ci
n
g
p
r
ec
is
io
n
med
icin
e
in
n
eu
r
o
ima
g
i
n
g
:
h
yb
r
id
mo
d
el
fo
r
b
r
a
in
tu
mo
r
a
n
a
lysi
s
(
R
a
viku
ma
r
S
a
jja
n
a
r
)
2201
au
g
m
e
n
tatio
n
w
er
e
e
m
p
lo
y
e
d
to
ad
d
r
ess
class
i
m
b
a
lan
c
e.
T
r
an
s
f
er
lear
n
i
n
g
w
a
s
u
til
ized
b
y
le
v
er
ag
i
n
g
p
r
e
-
tr
ain
ed
C
NN
m
o
d
el
s
,
f
i
n
e
-
tu
n
i
n
g
t
h
e
m
o
n
th
e
s
p
ec
if
ic
tas
k
o
f
b
r
ain
tu
m
o
r
d
etec
tio
n
,
w
h
ile
d
ata
au
g
m
e
n
tatio
n
tec
h
n
iq
u
es,
i
n
cl
u
d
in
g
r
o
tatio
n
,
f
li
p
p
in
g
,
a
n
d
s
ca
lin
g
,
w
er
e
ap
p
lied
to
in
cr
ea
s
e
th
e
d
iv
er
s
i
t
y
o
f
th
e
tr
ain
in
g
d
ata
an
d
i
m
p
r
o
v
e
th
e
m
o
d
el
'
s
g
e
n
er
aliza
tio
n
ca
p
ab
ilit
ies.
T
h
e
m
o
d
el
'
s
p
er
f
o
r
m
a
n
ce
w
as
ev
alu
ated
u
s
i
n
g
s
ta
n
d
ar
d
m
et
r
ics
s
u
c
h
as
ac
cu
r
ac
y
,
p
r
ec
is
i
o
n
,
r
ec
all,
an
d
F1
-
s
co
r
e.
T
h
e
in
teg
r
atio
n
o
f
C
NN
s
an
d
GR
U
s
le
v
er
ag
ed
b
o
th
s
p
atial
an
d
te
m
p
o
r
al
in
f
o
r
m
at
io
n
p
r
esen
t
i
n
3
D
MRI
s
eq
u
e
n
ce
s
,
lead
in
g
t
o
a
m
o
r
e
co
m
p
r
eh
e
n
s
i
v
e
a
n
d
ac
cu
r
ate
an
a
l
y
s
is
o
f
b
r
ain
tu
m
o
r
s
.
B
y
ad
d
r
ess
i
n
g
s
p
ec
if
ic
c
h
alle
n
g
es
a
s
s
o
ciate
d
w
ith
b
r
ain
tu
m
o
r
d
etec
tio
n
,
s
u
c
h
a
s
clas
s
i
m
b
ala
n
ce
a
n
d
v
ar
iab
ilit
y
i
n
t
u
m
o
r
ch
ar
ac
ter
is
tic
s
,
th
e
m
o
d
el
ac
h
i
ev
ed
r
o
b
u
s
t
an
d
r
eliab
le
d
etec
tio
n
p
er
f
o
r
m
a
n
ce
.
T
h
e
u
s
e
o
f
l
ar
g
e
-
s
ca
le
d
ataset
s
w
it
h
g
r
o
u
n
d
tr
u
t
h
a
n
n
o
tat
io
n
s
an
d
ad
v
a
n
ce
d
tech
n
iq
u
e
s
li
k
e
tr
an
s
f
er
lear
n
i
n
g
a
n
d
d
ata
au
g
m
e
n
tatio
n
f
u
r
t
h
er
e
n
h
a
n
ce
d
th
e
m
o
d
el's ca
p
ab
ilit
ies,
p
av
in
g
t
h
e
w
a
y
f
o
r
i
m
p
r
o
v
ed
d
iag
n
o
s
is
a
n
d
p
atien
t c
ar
e
i
n
clin
ical
s
etti
n
g
s
.
Fig
u
r
e
2
lik
e
l
y
d
ep
icts
th
e
C
NN
-
GR
U
m
o
d
el
ar
c
h
itect
u
r
e
u
tili
ze
d
i
n
t
h
e
s
tu
d
y
f
o
r
b
r
ain
t
u
m
o
r
d
etec
tio
n
f
r
o
m
3
D
MRI
i
m
ag
es.
T
h
is
m
o
d
el
in
te
g
r
ates
C
NNs
an
d
GR
U
s
to
en
h
a
n
ce
th
e
an
al
y
s
is
o
f
v
o
lu
m
etr
ic
M
R
I
d
ata.
C
NNs
ar
e
e
m
p
lo
y
ed
i
n
itia
ll
y
to
ex
tr
ac
t
s
p
atial
f
ea
t
u
r
es
f
r
o
m
th
e
m
u
lti
-
m
o
d
al
MR
I
s
ca
n
s
,
ca
p
tu
r
in
g
in
tr
ica
te
p
atter
n
s
in
d
icati
v
e
o
f
t
u
m
o
r
p
r
es
en
ce
ac
r
o
s
s
d
if
f
er
en
t
i
m
a
g
e
s
lices.
T
h
ese
s
p
atial
f
ea
t
u
r
es
ar
e
th
en
p
r
o
ce
s
s
ed
s
eq
u
en
tial
l
y
b
y
GR
Us,
w
h
ic
h
s
p
ec
ialize
in
ca
p
tu
r
in
g
te
m
p
o
r
al
d
ep
en
d
en
cies
an
d
p
atter
n
s
o
v
er
t
h
e
M
R
I
s
eq
u
e
n
ce
s
.
T
h
is
d
u
al
ap
p
r
o
ac
h
en
ab
l
es
th
e
m
o
d
el
to
ef
f
ec
ti
v
el
y
i
n
ter
p
r
et
b
o
th
s
p
atial
an
d
te
m
p
o
r
al
asp
ec
ts
o
f
t
u
m
o
r
ev
o
lu
t
io
n
w
i
th
i
n
t
h
e
b
r
ain
,
t
h
er
eb
y
i
m
p
r
o
v
i
n
g
ac
cu
r
ac
y
i
n
t
u
m
o
r
d
etec
tio
n
an
d
lo
ca
lizatio
n
.
T
h
e
f
i
g
u
r
e
lik
e
l
y
d
etails
th
e
ar
ch
itect
u
r
al
l
a
y
o
u
t,
il
lu
s
tr
ati
n
g
h
o
w
C
N
Ns
an
d
G
R
U
s
ar
e
in
ter
co
n
n
ec
ted
to
o
p
ti
m
ize
t
h
e
ex
tr
ac
tio
n
o
f
m
ea
n
i
n
g
f
u
l
f
e
atu
r
es
f
r
o
m
th
e
3
D
M
R
I
d
ata,
u
lti
m
atel
y
a
id
in
g
clin
icia
n
s
i
n
m
o
r
e
ac
c
u
r
ate
d
iag
n
o
s
is
a
n
d
tr
ea
t
m
e
n
t p
lan
n
i
n
g
f
o
r
p
atien
ts
w
i
th
b
r
ain
t
u
m
o
r
s
.
Fig
u
r
e
2
.
C
NN
-
GR
U
m
o
d
el
T
h
e
p
r
o
p
o
s
ed
C
NN
-
G
R
U
m
o
d
el
in
t
h
is
r
esear
c
h
i
n
co
r
p
o
r
a
tes
a
co
n
v
o
lu
t
io
n
al
la
y
er
f
r
o
m
C
NN
to
p
r
eser
v
e
th
e
o
r
ig
in
a
l
f
ea
t
u
r
e
ar
r
an
g
e
m
e
n
t
o
f
t
h
e
i
m
a
g
e
an
d
ex
tr
ac
t
cr
u
cial
f
ea
t
u
r
es.
A
d
d
itio
n
al
l
y
,
a
m
ax
-
p
o
o
lin
g
la
y
er
is
u
ti
lized
to
s
elec
t
p
r
o
m
i
n
en
t
f
ea
tu
r
e
v
alu
e
s
w
h
ile
d
i
s
r
eg
ar
d
in
g
w
e
ak
er
o
n
es,
t
h
er
eb
y
m
iti
g
ati
n
g
t
h
e
r
is
k
o
f
o
v
er
f
it
tin
g
.
T
o
ac
ce
ler
ate
m
o
d
el
tr
a
in
i
n
g
,
a
r
ec
t
if
ied
l
in
ea
r
u
n
it
(
R
eL
U)
i
s
ap
p
lied
b
et
w
ee
n
t
h
e
co
n
v
o
l
u
tio
n
a
l
a
n
d
m
a
x
-
p
o
o
lin
g
la
y
er
s
to
d
is
c
ar
d
eig
en
v
al
u
es
les
s
t
h
an
0
.
Su
b
s
eq
u
e
n
tl
y
,
t
h
e
s
e
eig
en
v
al
u
es
p
ass
th
r
o
u
g
h
t
h
e
u
p
d
ate
g
ate
an
d
r
eset
g
a
te
o
f
t
h
e
G
R
U,
e
n
h
a
n
ci
n
g
t
h
e
co
m
p
u
tatio
n
a
l
e
f
f
icien
c
y
o
f
th
e
m
o
d
el
f
o
r
i
m
p
r
o
v
ed
ac
cu
r
ac
y
.
T
h
e
f
latten
ed
la
y
er
is
th
en
e
m
p
lo
y
ed
to
co
n
v
er
t
t
h
e
f
ea
t
u
r
e
v
al
u
es
in
t
o
o
n
e
-
d
i
m
en
s
io
n
al
d
ata,
f
ac
i
lit
atin
g
t
h
eir
u
tili
za
tio
n
i
n
t
h
e
s
u
b
s
eq
u
en
t
f
u
l
l
y
co
n
n
ec
t
ed
la
y
er
.
Fi
n
all
y
,
th
e
s
o
f
t
m
ax
ac
tiv
a
tio
n
f
u
n
ct
io
n
is
co
n
n
ec
ted
as
t
h
e
o
u
tp
u
t
t
o
ascer
tain
w
h
et
h
er
th
e
in
p
u
t
i
m
a
g
e
is
tu
m
o
r
o
r
n
o
n
-
t
u
m
o
r
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
I
n
t J
A
r
ti
f
I
n
tell
,
Vo
l.
1
4
,
No
.
3
,
J
u
n
e
2
0
2
5
:
2
1
9
6
-
2209
2202
T
h
e
co
n
v
o
lu
tio
n
al
l
a
y
er
p
la
y
s
an
i
m
p
o
r
ta
n
t
r
o
le
in
e
x
tr
ac
tin
g
d
is
ti
n
ct
f
ea
tu
r
es
f
r
o
m
i
n
p
u
t
b
r
ai
n
i
m
a
g
es
to
f
ac
ilit
ate
e
f
f
ec
tiv
e
t
u
m
o
r
d
etec
tio
n
.
T
h
is
la
y
er
co
n
s
i
s
ts
o
f
m
u
ltip
le
tr
ai
n
ab
le
co
n
v
o
l
u
tio
n
a
l
k
er
n
el
s
th
at
u
n
d
er
g
o
iter
ati
v
e
ad
j
u
s
t
m
e
n
ts
d
u
r
i
n
g
tr
ain
i
n
g
.
B
y
co
n
v
o
lv
in
g
t
h
ese
k
er
n
el
s
w
it
h
i
n
p
u
t
i
m
a
g
es,
th
e
la
y
er
ex
tr
ac
t
s
d
if
f
er
e
n
t o
u
t
lin
es,
w
h
ic
h
i
s
es
s
en
tial
f
o
r
th
e
d
etec
tio
n
o
f
t
u
m
o
r
s
i
n
t
h
e
b
r
ain
.
T
h
e
eq
u
atio
n
i
s
ter
m
ed
as (
2
)
.
,
,
=
∑
∑
∑
,
,
×
,
,
=
0
=
0
=
0
(
2
)
W
h
er
e
,
,
r
ep
r
esen
ts
th
e
(
,
,
)
-
t
h
el
e
m
en
t
o
f
t
h
e
o
u
tp
u
t
te
n
s
o
r
.
M
is
th
e
f
ilter
te
n
s
o
r
w
ith
d
i
m
en
s
io
n
s
.
is
th
e
i
n
p
u
t
te
n
s
o
r
to
th
e
co
n
v
o
lu
tio
n
al
la
y
er
w
i
th
d
i
m
e
n
s
io
n
s
.
p
,
q
,
s
iter
ates
o
v
er
th
e
s
p
atial
d
i
m
en
s
io
n
s
o
f
t
h
e
f
ilter
te
n
s
o
r
an
d
in
p
u
t
ten
s
o
r
.
a,
b
,
r
r
e
p
r
esen
ts
t
h
e
d
i
m
en
s
io
n
s
o
f
t
h
e
f
ilter
a
n
d
o
u
tp
u
t
ten
s
o
r
.
Usi
n
g
a
s
i
g
m
o
id
f
u
n
cti
o
n
,
it
ass
i
g
n
s
a
li
k
eli
h
o
o
d
s
co
r
e
to
ea
ch
in
p
u
t
i
m
a
g
e,
in
d
ica
tin
g
th
e
p
r
o
b
ab
ilit
y
o
f
tu
m
o
r
p
r
esen
ce
.
is
ex
p
r
es
s
ed
as
(
3
)
.
=
1
+
,
∈
(
3
)
W
h
er
e
r
ep
r
esen
ts
th
e
o
u
tp
u
t o
f
th
e
b
-
th
n
eu
r
o
n
in
t
h
e
f
u
ll
y
c
o
n
n
ec
ted
l
a
y
er
.
is
th
e
i
n
p
u
t to
th
e
n
e
u
r
o
n
.
Af
ter
t
h
e
f
ea
t
u
r
e
ex
tr
ac
tio
n
p
h
ase
u
til
izin
g
t
h
e
C
N
N,
th
e
t
u
m
o
r
d
etec
tio
n
p
r
o
ce
s
s
is
ca
r
r
ied
o
u
t
u
s
i
n
g
th
e
C
N
N
-
GR
U
ar
c
h
itect
u
r
e.
T
h
e
C
NN
co
m
p
o
n
en
t
p
r
o
ce
s
s
es
th
e
s
p
atial
f
ea
t
u
r
es
e
x
tr
ac
t
ed
f
r
o
m
th
e
i
m
a
g
es,
w
h
ile
th
e
G
R
U
co
m
p
o
n
en
t
m
o
d
el
s
t
h
e
te
m
p
o
r
al
d
ep
en
d
en
cies
ac
r
o
s
s
s
eq
u
e
n
tial
d
ata
p
o
in
ts
.
T
h
e
GR
U
n
et
w
o
r
k
e
f
f
ec
t
iv
el
y
ca
p
tu
r
e
s
th
e
s
eq
u
e
n
tial
p
atter
n
s
an
d
tem
p
o
r
al
co
n
te
x
t
in
t
h
e
f
ea
t
u
r
e
s
eq
u
en
ce
s
.
T
h
e
o
u
tp
u
t
f
r
o
m
t
h
e
C
N
N
-
G
R
U
m
o
d
el
i
s
p
ass
ed
t
h
r
o
u
g
h
a
class
i
f
icatio
n
la
y
er
to
d
etec
t
th
e
p
r
ese
n
ce
o
f
tu
m
o
r
s
.
T
h
is
la
y
er
i
n
ter
p
r
ets
t
h
e
lear
n
ed
f
ea
t
u
r
es
an
d
p
r
ed
i
cts
w
h
et
h
er
ea
ch
in
p
u
t
s
eq
u
e
n
ce
co
n
ta
in
s
t
u
m
o
r
r
eg
io
n
s
o
r
n
o
t.
B
y
a
n
al
y
zi
n
g
th
e
s
p
atial
a
n
d
te
m
p
o
r
al
ch
ar
ac
ter
is
tics
o
f
th
e
in
p
u
t
d
ata,
th
e
m
o
d
el
id
en
tifie
s
r
eg
io
n
s
i
n
d
icati
v
e
o
f
t
u
m
o
r
p
r
esen
ce
.
T
h
e
u
p
d
ate
g
ate,
d
en
o
ted
as
′
,
d
eter
m
in
e
s
th
e
e
x
te
n
t to
w
h
ic
h
t
h
e
h
id
d
en
s
tate
(
)
ca
n
in
co
r
p
o
r
ate
in
f
o
r
m
atio
n
f
r
o
m
t
h
e
i
n
itial
h
id
d
en
.
T
h
e
f
u
n
ctio
n
o
u
tp
u
ts
a
v
al
u
e
i
n
t
h
e
r
a
n
g
e
o
f
0
to
1
.
R
eg
u
lati
n
g
t
h
is
in
f
o
r
m
atio
n
tr
a
n
s
f
er
p
r
o
ce
s
s
an
d
g
i
v
en
i
n
(
4
)
.
′
=
(
ℎ
×
+
×
−
1
)
(
4
)
T
h
e
r
eset
g
ate,
d
en
o
ted
as
,
r
eg
u
late
s
th
e
d
ata
r
etain
ed
f
r
o
m
t
h
e
p
r
ev
io
u
s
h
id
d
en
v
a
lu
e.
T
h
e
f
u
n
ctio
n
o
u
tp
u
ts
v
a
lu
e
s
b
et
w
e
en
0
an
d
1
,
d
eter
m
i
n
i
n
g
t
h
e
d
eg
r
ee
o
f
r
eten
tio
n
.
Valu
e
s
clo
s
er
to
1
in
d
icate
a
h
ig
h
er
p
r
o
p
en
s
it
y
to
r
etain
in
f
o
r
m
at
io
n
an
d
ar
e
r
ep
r
esen
ted
b
y
(
5
)
.
=
(
ℎ
×
+
×
−
1
)
(
5
)
B
y
co
n
d
u
ctin
g
t
h
e
Had
a
m
ar
d
eq
u
atio
n
f
o
r
th
e
g
a
te
'
s
r
eset
v
alu
e
an
d
−
1
,
as
cer
tain
th
e
d
eg
r
ee
to
w
h
ic
h
th
e
b
u
r
ied
la
y
er
m
e
m
o
r
y
f
r
o
m
th
e
ea
r
lier
ti
m
e
s
tep
o
u
g
h
t
to
h
av
e
b
ee
n
r
e
m
e
m
b
er
ed
in
t
h
e
p
r
esen
t
m
e
m
o
r
y
co
n
ten
t.
Nex
t,
i
m
p
le
m
e
n
t
th
e
tan
h
ac
ti
v
atio
n
o
p
er
atio
n
,
as
i
n
d
icate
d
in
(
6
)
,
to
th
i
s
r
es
u
lt
i
n
co
m
b
i
n
atio
n
w
it
h
th
e
en
ter
i
n
g
in
p
u
t d
ata.
̃
=
(
×
+
×
−
1
)
(
6
)
Fin
all
y
,
t
h
e
u
tili
za
tio
n
o
f
an
d
1
-
to
d
eter
m
in
e
w
h
ic
h
p
ast
a
n
d
p
r
esen
t
d
ata
s
h
o
u
ld
b
e
u
p
d
ated
an
d
g
i
v
e
n
b
y
(
7
)
.
=
(
1
−
′
×
̃
+
′
×
−
1
)
(
7
)
Fig
u
r
e
3
o
u
tli
n
es
th
e
o
v
er
all
f
lo
w
c
h
ar
t
w
h
ich
r
ep
r
ese
n
ts
t
h
e
p
r
o
ce
s
s
f
o
r
tu
m
o
r
d
etec
ti
o
n
u
s
in
g
a
C
NN
-
GR
U
m
o
d
el.
I
t
b
eg
i
n
s
b
y
lo
ad
in
g
a
n
i
m
ag
e
d
atase
t
(
s
p
ec
if
icall
y
t
h
e
B
r
aT
S2
0
2
0
d
ataset)
an
d
th
e
n
ap
p
lies
m
i
n
-
m
ax
n
o
r
m
al
izatio
n
to
s
tan
d
ar
d
ize
d
i
m
e
n
s
io
n
s
a
n
d
n
o
r
m
a
lize
p
ix
e
l
v
alu
e
s
.
T
h
e
C
NN
-
G
R
U
m
o
d
el
is
d
ep
lo
y
ed
f
o
r
f
ea
t
u
r
e
ex
tr
a
ctio
n
a
n
d
class
if
icatio
n
,
i
n
v
o
l
v
in
g
tr
ain
i
n
g
o
n
th
e
d
ataset,
ex
tr
ac
ti
n
g
f
ea
t
u
r
es
u
s
i
n
g
a
C
NN,
ap
p
l
y
i
n
g
R
e
L
U
ac
tiv
atio
n
w
h
er
e
ei
g
en
v
al
u
es
ar
e
g
r
ea
ter
th
an
0
,
s
elec
ti
n
g
p
r
o
m
in
e
n
t
f
ea
tu
r
e
v
alu
e
s
f
r
o
m
t
h
e
m
ax
i
m
u
m
p
o
o
lin
g
la
y
er
,
ca
p
tu
r
in
g
te
m
p
o
r
al
d
ep
en
d
en
cies
w
it
h
in
s
eq
u
e
n
tial
d
ata
u
s
in
g
t
h
e
GR
U
la
y
er
,
an
d
f
in
al
l
y
o
b
tain
i
n
g
p
r
ed
icted
tu
m
o
r
d
etec
tio
n
r
esu
lt
s
v
ia
t
h
e
s
o
f
t
m
a
x
o
u
tp
u
t
la
y
er
.
T
h
e
o
u
tco
m
e
ca
n
b
e
eith
er
a
tu
m
o
r
o
r
n
o
tu
m
o
r
.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
A
r
ti
f
I
n
tell
I
SS
N:
2252
-
8938
E
n
h
a
n
ci
n
g
p
r
ec
is
io
n
med
icin
e
in
n
eu
r
o
ima
g
i
n
g
:
h
yb
r
id
mo
d
el
fo
r
b
r
a
in
tu
mo
r
a
n
a
lysi
s
(
R
a
viku
ma
r
S
a
jja
n
a
r
)
2203
Fig
u
r
e
3
.
Ov
er
all
f
l
o
w
d
ia
g
r
am
o
f
t
h
e
p
r
o
p
o
s
ed
m
o
d
el
5.
RE
SU
L
T
S AN
D
D
I
SCU
SS
I
O
N
Ou
r
s
t
u
d
y
s
u
g
g
es
ts
t
h
at
th
e
d
ev
elo
p
ed
m
et
h
o
d
f
o
r
id
en
ti
f
y
i
n
g
b
r
ain
t
u
m
o
r
s
u
s
i
n
g
3
D
MRI
i
m
a
g
es,
i
m
p
le
m
en
ted
u
s
i
n
g
P
y
th
o
n
s
o
f
t
w
ar
e,
is
h
ig
h
l
y
ac
cu
r
ate
in
d
etec
ti
n
g
t
h
e
p
r
esen
ce
o
f
tu
m
o
r
s
.
T
h
r
o
u
g
h
ex
te
n
s
i
v
e
ev
al
u
atio
n
o
f
a
d
iv
er
s
e
d
ataset,
th
e
m
o
d
el
s
h
o
wca
s
ed
r
o
b
u
s
t
p
er
f
o
r
m
a
n
ce
m
e
tr
ics,
in
cl
u
d
in
g
h
i
g
h
ac
cu
r
ac
y
,
s
e
n
s
iti
v
it
y
,
an
d
s
p
ec
if
icit
y
.
Sp
ec
i
f
icall
y
,
t
h
e
m
o
d
el
ex
h
ib
ited
a
h
ig
h
tr
u
e
p
o
s
iti
v
e
r
ate
i
n
d
etec
ti
n
g
tu
m
o
r
p
r
esen
ce
,
i
n
d
icati
n
g
it
s
ca
p
ab
ilit
y
to
ef
f
ec
ti
v
el
y
id
e
n
ti
f
y
r
e
g
io
n
s
o
f
ab
n
o
r
m
al
it
y
i
n
d
i
ca
tiv
e
o
f
t
u
m
o
r
s
.
Am
o
n
g
th
e
to
tal
d
ataset,
7
5
.
2
%
o
f
i
m
a
g
e
s
w
er
e
u
s
ed
f
o
r
tr
ain
i
n
g
,
1
3
.
1
%
f
o
r
v
al
id
atio
n
,
an
d
1
1
.
7
%
f
o
r
test
in
g
,
w
ith
a
b
atch
s
ize
s
et
to
3
2
.
T
h
is
b
alan
ce
d
d
is
tr
ib
u
tio
n
en
s
u
r
ed
th
at
t
h
e
m
o
d
el
w
as
tr
ai
n
ed
o
n
a
s
u
f
f
icie
n
t
a
m
o
u
n
t
o
f
d
ata
w
h
ile
m
a
in
ta
in
i
n
g
s
ep
ar
ate
d
atasets
f
o
r
u
n
b
iased
e
v
al
u
atio
n
,
co
n
tr
ib
u
ti
n
g
to
t
h
e
r
eliab
ilit
y
a
n
d
ef
f
ec
ti
v
en
e
s
s
o
f
th
e
b
r
ain
t
u
m
o
r
d
etec
tio
n
s
y
s
te
m
.
I
n
th
e
tr
ain
i
n
g
d
ataset,
ap
p
r
o
x
i
m
atel
y
9
7
im
a
g
es
w
er
e
lab
ele
d
as
n
o
t
tu
m
o
r
,
an
d
ar
o
u
n
d
6
0
i
m
a
g
es
w
er
e
lab
eled
as
tu
m
o
r
.
F
o
r
test
in
g
,
ar
o
u
n
d
9
i
m
ag
e
s
w
er
e
lab
eled
as
n
o
t
t
u
m
o
r
,
an
d
ar
o
u
n
d
1
4
i
m
ag
e
s
w
er
e
lab
eled
as
t
u
m
o
r
,
w
h
ile
ar
o
u
n
d
1
4
n
o
t
tu
m
o
r
i
m
a
g
es a
n
d
1
2
tu
m
o
r
i
m
a
g
es
w
er
e
u
s
ed
f
o
r
th
e
v
alid
atio
n
d
ataset.
T
h
is
b
alan
ce
is
cr
u
cial
f
o
r
ef
f
ec
ti
v
e
tr
ain
i
n
g
o
f
m
ac
h
i
n
e
lear
n
i
n
g
m
o
d
els.
T
h
e
tr
ain
in
g
an
d
te
s
ti
n
g
p
r
o
ce
s
s
i
n
v
o
l
v
ed
u
ti
lizi
n
g
C
NN
s
t
o
ca
p
tu
r
e
in
tr
icate
s
p
atial
f
ea
t
u
r
es
f
r
o
m
th
e
m
ed
ical
i
m
ag
e
s
,
f
o
llo
w
ed
b
y
t
h
e
i
n
te
g
r
atio
n
o
f
GR
Us
t
o
ca
p
tu
r
e
te
m
p
o
r
al
d
ep
en
d
en
cies
an
d
s
eq
u
en
t
ial
p
atter
n
s
w
it
h
in
t
h
e
d
ata.
Du
r
in
g
t
h
e
m
o
d
el
tr
ain
i
n
g
p
h
a
s
e,
th
ese
n
e
u
r
al
n
et
w
o
r
k
ar
ch
itect
u
r
es
w
o
r
k
ed
co
llab
o
r
ativ
el
y
to
lear
n
a
n
d
r
e
co
g
n
ize
r
elev
a
n
t
f
ea
t
u
r
es
in
d
i
ca
tiv
e
o
f
b
r
ain
t
u
m
o
r
s
.
T
h
e
co
m
b
in
at
io
n
o
f
C
NN
an
d
GR
U
p
r
o
v
id
es
a
r
o
b
u
s
t
f
r
a
m
e
w
o
r
k
f
o
r
ac
c
u
r
ate
d
etec
tio
n
b
y
co
n
s
id
er
in
g
b
o
th
s
p
atial
an
d
te
m
p
o
r
al
asp
ec
ts
o
f
t
h
e
m
ed
ical
i
m
a
g
e
d
ata.
T
h
e
r
esu
lts
r
ev
ea
led
p
r
ec
is
e
d
elin
ea
tio
n
o
f
t
u
m
o
r
b
o
u
n
d
ar
ies,
e
n
ab
lin
g
ac
cu
r
ate
lo
ca
lizatio
n
an
d
v
i
s
u
aliza
tio
n
o
f
t
u
m
o
r
r
e
g
io
n
s
w
it
h
in
t
h
e
b
r
ain
.
Fi
g
u
r
e
4
s
h
o
w
s
th
e
s
a
m
p
le
o
f
t
h
e
b
r
ain
i
m
a
g
es
w
it
h
a
n
d
w
i
t
h
o
u
t
tu
m
o
r
s
.
Fig
u
r
e
5
s
h
o
w
s
t
h
e
ac
tu
al
an
d
p
r
ed
icted
o
u
tp
u
t
f
o
r
th
e
g
iv
e
n
in
p
u
t
i
m
ag
e
b
y
t
h
e
p
r
o
p
o
s
ed
C
NN
-
GR
U
m
o
d
el.
T
h
e
i
m
ag
e
p
r
o
v
id
ed
d
is
p
lay
s
3
D
MRI
i
m
ag
e
s
,
ea
ch
lab
eled
w
it
h
th
e
ac
tu
al
a
n
d
p
r
ed
icted
co
n
d
itio
n
s
r
eg
ar
d
in
g
t
h
e
p
r
ese
n
ce
o
f
a
t
u
m
o
r
.
T
h
e
s
ca
n
s
h
o
w
s
a
b
r
ig
h
t
s
p
o
t,
in
d
icat
in
g
a
t
u
m
o
r
.
I
t
i
s
co
r
r
ec
tl
y
p
r
ed
icted
as
h
av
in
g
a
tu
m
o
r
.
T
h
e
s
ca
n
d
o
esn
’
t
s
h
o
w
a
n
y
v
i
s
ib
le
s
ig
n
s
o
f
a
tu
m
o
r
an
d
is
co
r
r
ec
tly
p
r
ed
icted
as
n
o
n
-
t
u
m
o
r
.
T
h
e
C
NN
-
GR
U
s
y
s
te
m
d
e
m
o
n
s
tr
ated
r
o
b
u
s
t
p
er
f
o
r
m
an
ce
in
ac
cu
r
atel
y
d
ete
ctin
g
b
r
ain
tu
m
o
r
s
w
h
ile
m
ai
n
tai
n
in
g
g
en
er
aliza
t
i
o
n
to
u
n
s
ee
n
d
ata.
Evaluation Warning : The document was created with Spire.PDF for Python.
I
SS
N
:
2
2
5
2
-
8938
I
n
t J
A
r
ti
f
I
n
tell
,
Vo
l.
1
4
,
No
.
3
,
J
u
n
e
2
0
2
5
:
2
1
9
6
-
2209
2204
Fig
u
r
e
4
.
Sa
m
p
le
b
r
ain
i
m
ag
e
s
w
it
h
an
d
w
it
h
o
u
t
tu
m
o
r
Fig
u
r
e
5
.
Dete
ctio
n
o
f
t
u
m
o
r
b
y
p
r
o
p
o
s
ed
C
NN
-
GR
U
Fig
u
r
e
6
s
h
o
w
s
t
h
e
ac
c
u
r
ac
y
c
u
r
v
e
o
f
t
h
e
p
r
o
p
o
s
ed
m
et
h
o
d
.
Du
r
in
g
t
h
e
tr
ain
in
g
p
h
a
s
e,
th
e
ac
cu
r
ac
y
o
f
t
h
e
C
NN
-
GR
U
m
o
d
el
s
tea
d
il
y
i
n
cr
ea
s
ed
w
it
h
ea
c
h
ep
o
c
h
,
r
ef
lec
tin
g
its
ab
il
it
y
to
lear
n
a
n
d
ad
ap
t
to
th
e
tr
ain
i
n
g
d
ata.
T
h
e
ac
cu
r
ac
y
cu
r
v
e
s
h
o
w
ed
a
p
o
s
iti
v
e
tr
e
n
d
,
in
d
icati
n
g
t
h
at
t
h
e
s
y
s
te
m
w
a
s
e
f
f
ec
ti
v
el
y
ca
p
tu
r
in
g
t
h
e
u
n
d
er
l
y
in
g
p
atte
r
n
s
i
n
t
h
e
d
ata.
T
h
e
v
a
lid
atio
n
ac
cu
r
ac
y
c
u
r
v
e
f
o
llo
w
ed
a
s
i
m
ilar
p
atter
n
to
t
h
e
tr
ain
i
n
g
ac
cu
r
ac
y
c
u
r
v
e,
a
lb
eit
w
it
h
f
l
u
ct
u
atio
n
s
.
T
h
is
s
u
g
g
e
s
ts
t
h
at
t
h
e
m
o
d
el
w
a
s
g
en
er
alizi
n
g
w
ell
to
u
n
s
ee
n
d
ata,
a
s
ev
id
e
n
ce
d
b
y
its
ab
ilit
y
to
m
a
in
ta
in
r
elativ
e
l
y
h
i
g
h
ac
cu
r
ac
y
o
n
t
h
e
v
alid
atio
n
s
e
t.
Fi
g
u
r
e
7
Evaluation Warning : The document was created with Spire.PDF for Python.
I
n
t J
A
r
ti
f
I
n
tell
I
SS
N:
2252
-
8938
E
n
h
a
n
ci
n
g
p
r
ec
is
io
n
med
icin
e
in
n
eu
r
o
ima
g
i
n
g
:
h
yb
r
id
mo
d
el
fo
r
b
r
a
in
tu
mo
r
a
n
a
lysi
s
(
R
a
viku
ma
r
S
a
jja
n
a
r
)
2205
d
ep
icts
th
e
lo
s
s
c
u
r
v
e
o
f
th
e
p
r
o
p
o
s
ed
C
NN
-
G
R
U
m
o
d
el
.
T
h
e
tr
ain
in
g
lo
s
s
co
n
s
is
te
n
tl
y
d
ec
r
ea
s
ed
o
v
er
ep
o
ch
s
,
i
n
d
icatin
g
th
at
t
h
e
m
o
d
el
w
as
m
in
i
m
izin
g
er
r
o
r
s
a
n
d
o
p
ti
m
izi
n
g
i
ts
p
ar
a
m
et
er
s
to
b
etter
f
it
th
e
tr
ain
i
n
g
d
ata.
T
h
e
d
o
w
n
w
ar
d
tr
aj
ec
to
r
y
o
f
t
h
e
lo
s
s
c
u
r
v
e
d
em
o
n
s
tr
ated
th
e
m
o
d
el
'
s
ab
ilit
y
to
i
m
p
r
o
v
e
it
s
p
er
f
o
r
m
a
n
ce
o
v
er
ti
m
e.
T
h
e
v
alid
atio
n
lo
s
s
cu
r
v
e
ex
h
ib
ited
a
d
o
w
n
w
ar
d
tr
en
d
,
alb
eit
w
ith
o
cc
asio
n
al
f
l
u
ctu
a
tio
n
s
.
T
h
is
i
n
d
icate
s
t
h
at
th
e
m
o
d
el
w
a
s
ef
f
ec
ti
v
el
y
g
en
er
alizi
n
g
it
s
lear
n
ed
p
atter
n
s
to
n
e
w
d
ata
w
h
ile
m
i
n
i
m
izi
n
g
er
r
o
r
s
o
n
th
e
v
alid
atio
n
s
et.
Fig
u
r
e
6
.
A
cc
u
r
ac
y
cu
r
v
e
o
f
p
r
o
p
o
s
ed
C
NN
-
GR
U
m
o
d
el
Fig
u
r
e
7
.
L
o
s
s
c
u
r
v
e
o
f
p
r
o
p
o
s
ed
C
NN
-
G
R
U
m
o
d
el
Fig
u
r
e
8
d
ep
icts
a
r
ec
eiv
er
o
p
er
atin
g
ch
ar
ac
ter
i
s
tic
(
R
OC
)
c
u
r
v
e
f
o
r
t
h
e
p
r
o
p
o
s
ed
C
NN
-
G
R
U
m
o
d
el.
T
h
e
x
-
ax
is
r
ep
r
esen
t
s
th
e
f
al
s
e
p
o
s
itiv
e
r
ate
,
w
h
ile
t
h
e
y
-
ax
is
r
ep
r
esen
t
s
th
e
tr
u
e
p
o
s
iti
v
e
r
ate
.
T
h
e
ac
tu
al
R
OC
cu
r
v
e
h
a
s
a
n
i
m
p
r
ess
i
v
e
ar
ea
u
n
d
er
t
h
e
c
u
r
v
e
(
A
U
C
)
o
f
0
.
9
9
,
in
d
icati
n
g
e
x
ce
ll
en
t
m
o
d
el
ac
c
u
r
ac
y
.
I
t
s
h
o
w
ca
s
es
t
h
e
m
o
d
el
’
s
ab
il
it
y
to
d
is
tin
g
u
is
h
b
et
w
ee
n
p
o
s
itiv
e
a
n
d
n
eg
at
iv
e
i
n
s
ta
n
ce
s
,
w
it
h
t
h
e
h
i
g
h
AUC
s
u
g
g
e
s
ti
n
g
s
tr
o
n
g
p
r
ed
ictiv
e
p
o
w
er
.
Fig
u
r
e
8
.
R
eg
io
n
o
f
co
n
v
er
g
e
n
ce
o
f
p
r
o
p
o
s
ed
C
NN
-
G
R
U
m
o
d
el
T
h
is
s
t
u
d
y
e
x
p
lo
r
ed
a
co
m
p
r
e
h
en
s
i
v
e
C
N
N
-
GR
U
ar
ch
itect
u
r
e
f
o
r
an
al
y
zin
g
3
D
M
R
I
i
m
ag
es in
b
r
ai
n
tu
m
o
r
d
etec
tio
n
w
i
th
p
r
o
m
i
s
i
n
g
r
esu
lts
i
n
ter
m
s
o
f
ac
c
u
r
ac
y
,
s
en
s
iti
v
it
y
,
a
n
d
s
p
ec
i
f
icit
y
.
Ho
w
e
v
er
,
f
u
r
th
er
a
n
d
in
-
d
ep
th
s
t
u
d
ies
m
a
y
b
e
n
ee
d
ed
to
co
n
f
ir
m
i
ts
g
en
er
aliza
b
i
lit
y
,
esp
ec
ial
l
y
r
e
g
ar
d
in
g
d
if
f
er
en
t
t
y
p
es
o
f
b
r
ain
tu
m
o
r
s
an
d
v
ar
y
in
g
i
m
a
g
in
g
c
o
n
d
itio
n
s
.
T
h
e
d
ataset
u
s
ed
,
w
h
ile
d
iv
er
s
e,
m
a
y
n
o
t c
o
v
er
all
p
o
s
s
ib
le
v
ar
iatio
n
s
Evaluation Warning : The document was created with Spire.PDF for Python.