基于模糊逻辑的脑肿瘤检测与分类系统

脑肿瘤（BT）极其危险且难以治疗。目前，医生必须手动检查图像并手动勾画肿瘤区域以诊断 BT；这个过程耗时且容易出错。近年来，专家们提出了在早期阶段检测 BT 的自动化方法。这些方法较差的准确性和高度不正确的预测结果促使他们开始了这项研究。在本研究中，我们提出了一种基于模糊逻辑的系统用于对 BT 进行分类。本研究使用了一个包含 253 张磁共振成像（MRI）脑部图像的数据集，其中包括肿瘤图像和健康图像。首先对图像进行预处理。之后，我们提取了肿瘤大小和图像全局阈值等特征。分水岭和区域生长方法被用于计算肿瘤大小。然后，模糊系统接收这两个特征作为输入。通过使用两种大小确定方法，采用准确率、F1 分数、精确率和召回率来评估模糊系统的结果。使用区域生长方法发现的尺寸输入变量和全局阈值，模糊系统的性能优于分水岭方法。这项研究的意义在于，它有可能通过提供更准确、更高效的自动分类系统来彻底改变脑肿瘤诊断。通过减少人为干预并提供可靠的结果，这种方法可以帮助医疗专业人员做出及时和精确的决策，从而改善患者预后并可能挽救生命。此类自动化技术的进步有可能为增强医学影像分析铺平道路，并最终更好地管理脑肿瘤病例。