基于迁移学习的深度神经网络用于脑肿瘤图像多分类
图像与视频处理
2022-06-20 v1 计算机视觉与模式识别
摘要
在计算机辅助诊断系统的最新进展中，脑肿瘤图像的分类是一项具有挑战性的任务。本文主要关注利用基于迁移学习的深度神经网络提升脑肿瘤图像的分类准确率。该分类方法首先进行图像增强操作，包括旋转、缩放、水平翻转、宽度平移、高度平移和剪切，以增加图像数据集的多样性。然后基于由 Inception-v3 组成的预训练迁移学习方法提取输入脑肿瘤图像的通用特征。最后，采用具有 4 个定制层的深度神经网络将脑肿瘤分类为最常见的脑肿瘤类型：脑膜瘤、胶质瘤和垂体瘤。所提模型取得了 96.25% 的总体准确率的有效性能，较一些现有的多分类方法有明显提升。此外，超参数的微调以及将定制 DNN 与 Inception-v3 模型结合，带来了分类准确率的提升。
引用
@article{arxiv.2206.08543,
title = {Multi-Classification of Brain Tumor Images Using Transfer Learning Based Deep Neural Network},
author = {Pramit Dutta and Khaleda Akhter Sathi and Md. Saiful Islam},
journal= {arXiv preprint arXiv:2206.08543},
year = {2022}
}
备注
7 pages, 4 figures, 2 tables, International Virtual Conference on ARTIFICIAL INTELLIGENCE FOR SMART COMMUNITY, Malaysia