利用基于彩色图映射特征表示的视觉转换器增强脑肿瘤分类——基于BRISC2025数据集
计算机视觉与模式识别
2026-03-24 v1
摘要
从磁共振成像(MRI)准确分类脑肿瘤对于早期诊断和有效治疗计划至关重要。本研究提出一种基于视觉转换器(ViT)并采用彩色图映射特征表示以提高多类脑肿瘤分类性能的深度学习框架。该方法利用转换器架构捕获长程依赖关系，同时融合颜色映射技术以突出显示MRI扫描中重要的结构和强度变化。实验在包括四类：胶质瘤、脑膜瘤、垂体肿瘤和非肿瘤病例的BRISC2025数据集上进行。模型使用准确率、精确率、召回率、F1分数以及受试者工作特征曲线下面积(AUC)等标准性能指标进行训练和评估。该方法实现了98.90%的分类准确率，优于包括ResNet50、ResNet101和EfficientNetB2在内的基线卷积神经网络模型。此外，模型在AUC达99.97%的情况下表现出强大的泛化能力，表明其在所有类别中都具有高度的辨别性能。这些结果突显了将视觉转换器与彩色图映射特征增强相结合用于准确和稳健脑肿瘤分类的有效性，并为临床决策支持应用指出了巨大的潜力。
引用
@article{arxiv.2603.21234,
title = {Enhancing Brain Tumor Classification Using Vision Transformers with Colormap-Based Feature Representation on BRISC2025 Dataset},
author = {Faisal Ahmed},
journal= {arXiv preprint arXiv:2603.21234},
year = {2026}
}
备注
11 pages, 3 figures