基于迁移学习与增强特征表示的MRI脑肿瘤分类
计算机视觉与模式识别
2025-09-30 v1
摘要
脑肿瘤是中枢神经系统（CNS）中的异常细胞生长，其及时检测对于改善患者预后至关重要。本文提出了一种基于深度学习的自动高效框架，用于从磁共振成像（MRI）扫描中检测脑肿瘤。该框架采用预训练的ResNet50模型进行特征提取，随后通过全局平均池化（GAP）和线性投影获得紧凑的高层图像表示。这些特征随后由一个新颖的Dense-Dropout序列处理，这是本工作的核心贡献，它通过多样化的特征变换增强了非线性特征学习，减少了过拟合，并提高了鲁棒性。另一项主要贡献是创建了Mymensingh医学院脑肿瘤（MMCBT）数据集，旨在解决缺乏可靠脑肿瘤MRI资源的问题。该数据集包含来自209名受试者（年龄9至65岁）的MRI扫描，包括3671张肿瘤图像和13273张非肿瘤图像，所有图像均在专家监督下经过临床验证。为克服类别不平衡，对肿瘤类别进行了增强，从而形成了一个非常适合深度学习研究的平衡数据集。
引用
@article{arxiv.2509.22956,
title = {Brain Tumor Classification from MRI Scans via Transfer Learning and Enhanced Feature Representation},
author = {Ahta-Shamul Hoque Emran and Hafija Akter and Abdullah Al Shiam and Abu Saleh Musa Miah and Anichur Rahman and Fahmid Al Farid and Hezerul Abdul Karim},
journal= {arXiv preprint arXiv:2509.22956},
year = {2025}
}