中文

基于CNN与ResNet架构的MRI图像脑肿瘤自动检测

图像与视频处理 2026-06-25 v1 人工智能
作者: Annapurna V K , Asha N , K Paramesha , Shabana Sultana , Kirankumar Humse
在 arXiv 上查看 ↗ PDF ↗

摘要

深度学习在医学图像分析中已展现显著潜力，尤其用于基于MRI扫描的疾病检测。由于脑结构复杂及依赖人工判读，脑肿瘤的准确早期诊断仍具挑战。本工作提出一种基于深度学习的自动化方法，利用卷积神经网络与残差网络从MRI图像中检测脑肿瘤。采用两种预训练架构ResNet18与ResNet50进行迁移学习，将MRI扫描分类为肿瘤与非肿瘤。实验在3,929张脑MRI图像数据集上进行，评估模型深度与微调策略的影响。结果显示ResNet18准确率达97%，高于ResNet50的96%，在有限医学数据上表现出更好泛化。所提框架可实现快速、准确且低成本的脑肿瘤检测，支持早期诊断与临床决策。

关键词

脑肿瘤检测 MRI 卷积神经网络 ResNet 迁移学习 医学图像分析

引用

@article{arxiv.2606.27405,
  title  = {Automated brain tumor detection in MRI images using CNN and ResNet architectures},
  author = {Annapurna V K and Asha N and K Paramesha and Shabana Sultana and Kirankumar Humse},
  journal= {arXiv preprint arXiv:2606.27405},
  year   = {2026}
}