基于迁移学习的 MRI 脑肿瘤分类方法比较评估
图像与视频处理
2023-10-05 v1 计算机视觉与模式识别
摘要
脑及其周围组织中细胞的异常生长称为脑肿瘤。其分为两类：一类为良性（非癌性），另一类为恶性（癌性），可能致死。磁共振成像（MRI）极大辅助了放射科医生诊断恶性肿瘤的能力。脑癌诊断在计算机辅助诊断领域，尤其是机器学习与深度学习中得到显著加速。本研究中，我们使用四种迁移学习技术对三类不同脑肿瘤进行分类。我们的模型在包含 张代表三种不同脑癌形式的 MRI 图像的基准数据集上进行了测试。值得注意的是，ResNet-50 以 的惊人准确率优于其他模型。我们强调平衡数据集对于在无增强方法情况下提升准确率的重要性。此外，我们在 CE-MRI 数据集上通过实验展示我们的方法，并与其它分类算法比较，使用 F1-score、AUC、精确率与召回率等评估指标。
引用
@article{arxiv.2310.02270,
title = {Comparative Evaluation of Transfer Learning for Classification of Brain Tumor Using MRI},
author = {Abu Kaisar Mohammad Masum and Nusrat Badhon and S. M. Saiful Islam Badhon and Nushrat Jahan Ria and Sheikh Abujar and Muntaser Mansur Syed and Naveed Mahmud},
journal= {arXiv preprint arXiv:2310.02270},
year = {2023}
}
备注
6 pages, 2 figures, To Appear at IEEE ICMLA 2023, FL, USA