基于卷积变分生成模型的脑肿瘤检测新框架
图像与视频处理
2022-02-22 v1 计算机视觉与模式识别
机器学习
摘要
脑肿瘤检测可关乎生死。近来，基于深度学习的脑肿瘤检测技术因其较高性能而受到关注。然而，获得此类深度学习系统的预期性能需要大量分类图像来训练深度模型。获取此类数据通常枯燥、耗时，且易受人误影响，从而阻碍此类深度学习方法的应用。本文提出一种用于脑肿瘤检测与分类的新框架。基本思想是从一个小的类不平衡采集数据集生成反映脑 MRI 图像典型模式的大型合成 MRI 图像数据集。所得数据集随后用于训练深度模型进行检测与分类。具体而言，我们采用两类深度模型。第一类是生成模型，用于捕获一组小的类不平衡脑 MRI 图像中重要特征的分布。然后利用该分布，生成模型可为每一类合成任意数量的脑 MRI 图像。因此，系统可自动将小的非平衡数据集转换为更大的平衡数据集。第二类是使用大型平衡数据集训练的分类器，用于检测 MRI 图像中的脑肿瘤。所提框架获得了 96.88% 的总体检测准确率，突显了其作为一种精确低开销脑肿瘤检测系统的前景。
引用
@article{arxiv.2202.09850,
title = {A Novel Framework for Brain Tumor Detection Based on Convolutional Variational Generative Models},
author = {Wessam M. Salama and Ahmed Shokry},
journal= {arXiv preprint arXiv:2202.09850},
year = {2022}
}