基于卷积神经网络的脑肿瘤自动检测与分类方法
计算机视觉与模式识别
2025-06-27 v1 人工智能
摘要
脑肿瘤需要进行评估，以确保及时诊断和有效的患者治疗。大小、位置、纹理和可变外观等形态因素使肿瘤检查复杂化。医学成像 presents 挑战，包括噪声和不完整的图像。本研究文章提出了一种处理磁共振成像 (MRI) 数据的方法，涵盖图像分类和去噪技术。有效地利用 MRI 图像允许医疗专业人员检测脑部疾病，包括肿瘤。本研究旨在通过分析提供的 MRI 数据对健康脑组织和脑肿瘤进行分类。与其他方法（如运动断层扫描 (CT)）不同，MRI 技术提供了对内部解剖结构的更详细表述，使其成为研究脑肿瘤数据的最适当选项。首先对 MRI 图像进行去噪处理，使用各向异性扩散滤波器。用于模型创建的数据集是公开可访问且经验证的脑肿瘤分类 (MRI) 数据库，包含 3264 例脑部 MRI 扫描。采用 SMOTE 进行数据增强和数据集平衡。使用卷积神经网络 (CNN) 如 ResNet152V2、VGG、ViT 和 EfficientNet 进行分类。EfficientNet 实现了 98% 的准确率，为记录的最高值。
引用
@article{arxiv.2502.09731,
title = {A CNN Approach to Automated Detection and Classification of Brain Tumors},
author = {Md. Zahid Hasan and Abdullah Tamim and D. M. Asadujjaman and Md. Mahfujur Rahman and Md. Abu Ahnaf Mollick and Nosin Anjum Dristi and Abdullah-Al-Noman},
journal= {arXiv preprint arXiv:2502.09731},
year = {2025}
}