清迈大学科研团队成功研发深度学习与可解释人工智能技术， 脑肿瘤检测准确率高达97%

2025年5月26日

合作与交流项目处及校友中心


清迈大学科学学院计算机科学系助理教授功蓬·披坤胶博士（领导的研究团队，在深度学习与可解释人工智能领域取得突破性进展。其研究项目“应用梯度加权类激活映射与深度学习技术提升脑肿瘤检测”，成功实现了高达97%的脑肿瘤检测准确率。
该研究创新性地结合深度学习技术与一种名为梯度加权类激活映射（Gradient-Weighted Class Activation Mapping, Grad-CAM）的可解释人工智能方法，用于分析脑部核磁共振成像（MRI）以检测肿瘤。研究流程包括：首先对图像数据进行前期处理（涉及数据增强与图像缩放），随后运用残差网络50型模型（ResNet-50）对肿瘤图像与非肿瘤图像进行分类识别。通过计算Grad-CAM，系统能够生成热力图，直观标示出模型进行诊断判断所依据的图像关键区域。研究成果显示，该方法的检测准确率高达97%，显著提升了临床医生对模型工作原理的理解。
此项研究成果具有广泛的应用前景：
1.提升诊断效率与精度：所开发的深度学习模型能以97%的高准确率从MRI图像中识别脑肿瘤，大幅提升诊断速度和准确性。
2.增强诊断透明与信任：Grad-CAM技术的应用，使医生能够清晰看到模型决策所依据的图像关键区域，从而增强对自动化诊断结果的理解度和信任度。
3.拓展应用潜力：该技术框架可迁移应用于其他医学影像分析领域，例如传染病检测。若持续优化，此模型未来有望投入临床应用，服务于疾病筛查与治疗效果监测。
该技术突破将有效提升脑肿瘤诊断的精准度与时效性，降低医疗成本，并最终改善患者生活质量。值得一提的是，功蓬·披坤胶助理教授博士是泰国首批将Grad-CAM类可解释人工智能技术应用于医学影像分析的研究者之一。此项工作对推动疾病诊断技术发展产生了重要影响，促进了学术进步，并契合联合国可持续发展目标（SDGs）中关于“良好健康与福祉”的核心诉求。
此项重要研究成果已发表于国际权威学术会议——第20届计算机科学与软件工程国际联合会议（JCSSE），会议于2025. 年6月28日至7月1日举行。欲了解更多研究细节，可访问会议论文链接：https://ieeexplore.ieee.org/document/10202020。


学术与创新新闻 要闻聚焦
Gallery

ITSC CMU Logo
Copyright © 2019 Chiang Mai University, All rights reserved.
by Information Technology Service Center
联系方式
参观校园
网址
Website : https://www.cmu.ac.th
messenger