使用中间残差编码器层的脑肿瘤分类
图像与视频处理
2021-12-10 v2 计算机视觉与模式识别
摘要
根据世界卫生组织（WHO）的数据，癌症是全球第二大死因，仅 2018 年就造成超过 950 万人死亡。脑肿瘤占所有癌症死亡的四分之一。因此，准确及时的脑肿瘤诊断将带来更有效的治疗。医生仅通过脑外科手术中的活检操作对脑肿瘤进行分类，在诊断出肿瘤类型后，为患者考虑治疗计划。基于机器学习算法的自动系统可以使医生通过无创措施诊断脑肿瘤。迄今为止，已提出若干图像分类方法来辅助诊断和治疗。对于本文中的脑肿瘤分类，我们提供了一种基于深度学习的系统，包含编码器块。这些块以最大池化后的特征作为残差学习输入。我们的方法通过使用有限的医学图像数据集在磁共振成像（MRI）图像中提高肿瘤分类准确率，展示出有前景的结果。该模型在由 3064 张 MR 图像组成的数据集上的实验评估显示出 95.98% 的准确率，优于此前在该数据库上的研究。
引用
@article{arxiv.2011.00628,
title = {Brain Tumor Classification Using Medial Residual Encoder Layers},
author = {Zahra SobhaniNia and Nader Karimi and Pejman Khadivi and Roshank Roshandel and Shadrokh Samavi},
journal= {arXiv preprint arXiv:2011.00628},
year = {2021}
}
备注
4 pages, 4 figures