本研究では、脳腫瘍の診断を精確に行うためのデュアルバックボーンネットワーク、DB-FGA-Netを提案しています。このモデルは、VGG16とXceptionを組み合わせたもので、周波数ゲート注意（FGA）ブロックを用いて、局所的およびグローバルな特徴を捉えることができます。本手法は、データ拡張なしで最新のパフォーマンスを達成し、変動するサイズや分布のデータセットに対して堅牢性を示します。さらに、Grad-CAMを組み込むことで、腫瘍領域を視覚化し、モデルの予測結果に対する臨床的解釈を可能にしています。7K-DSデータセットにおいて、4クラス設定で99.24％の精度を、3クラスおよび2クラス設定ではそれぞれ98.68％及び99.85％を達成しました。独立した3K-DSデータセットでも95.77％の精度を示し、従来の方法を上回っています。リアルタイム分類とGrad-CAMによる腫瘍の局在化を提供するグラフィカルユーザーインターフェース（GUI）も開発され、臨床での信頼性のある応用が期待されます。