面向脑肿瘤MRI图像分类的轻量级CNN
图像与视频处理
2025-05-07 v2 人工智能
计算机视觉与模式识别
机器学习
摘要
本研究提出了一种基于卷积神经网络（CNN）的方法，用于从磁共振成像（MRI）扫描中对脑肿瘤进行多类别分类。我们利用公开数据集，其中包含分为四个类别：腺瘤、蛛网膜瘤、垂体肿瘤和无肿瘤的MRI图像。我们的主要目标是构建一个轻量级深度学习模型，能够以高准确率自动分类脑肿瘤类型。为实现此目标，我们纳入图像预处理步骤，包括归一化、数据增强以及一种设计用于减少背景噪声并突出显示相关区域的裁剪技术。通过Keras Tuner进行超参数调优，以系统性地探索网络参数。为确保可靠的评估，我们应用5折交叉验证，其中每个超参数配置在多个数据分割上进行评估，以缓解过拟合。实验结果表明，所提出的模型实现了98.78%的分类准确率，表明其作为临床诊断辅助工具的潜力。该方法提供了一种低复杂度且有效的解决方案，用于辅助早期脑肿瘤诊断。
引用
@article{arxiv.2504.21188,
title = {Light Weight CNN for classification of Brain Tumors from MRI Images},
author = {Natnael Alemayehu},
journal= {arXiv preprint arXiv:2504.21188},
year = {2025}
}
备注
6 pages