用于脑肿瘤分割的图像增强技术比较分析：对比度、直方图与混合方法
图像与视频处理
2024-04-09 v1 计算机视觉与模式识别
摘要
本研究系统调查了图像增强技术对基于卷积神经网络（CNN）的脑肿瘤分割的影响，重点关注直方图均衡化（HE）、对比度受限自适应直方图均衡化（CLAHE）及其混合变体。该研究在包含 3064 张脑部 MRI 图像的数据集上采用 U-Net 架构，深入探讨了包括缩放和增强在内的预处理步骤，以优化分割准确率。本文详细分析了基于 CNN 的 U-Net 架构、训练和验证过程。利用准确率、损失、MSE、IoU 和 DSC 等指标进行的比较分析表明，混合方法 CLAHE-HE 始终优于其他方法。结果突出了其卓越的准确率（训练、测试和验证分别为 0.9982、0.9939、0.9936）和鲁棒的分割重叠度，在相同阶段的 Jaccard 值分别为 0.9862、0.9847 和 0.9864，Dice 值分别为 0.993、0.9923 和 0.9932，强调了其在神经肿瘤学应用中的潜力。研究最后呼吁完善分割方法，以进一步提高神经肿瘤学中的诊断精度和治疗规划。
引用
@article{arxiv.2404.05341,
title = {Comparative Analysis of Image Enhancement Techniques for Brain Tumor Segmentation: Contrast, Histogram, and Hybrid Approaches},
author = {Shoffan Saifullah and Andri Pranolo and Rafał Dreżewski},
journal= {arXiv preprint arXiv:2404.05341},
year = {2024}
}
备注
9 Pages, & Figures, 2 Tables, International Conference on Computer Science Electronics and Information (ICCSEI 2023)