基于神经气体网络图像特征与分割的磁共振脑肿瘤检测
图像与视频处理
2023-01-31 v1 计算机视觉与模式识别
机器学习
摘要
脑肿瘤的准确检测可挽救众多生命，即便将该二分类准确率提升几个百分点也极具意义。神经气体网络（NGN）是一种快速的无监督算法，可用于数据聚类、图像模式识别与图像分割。本研究采用元启发式萤火虫算法（FA）进行图像对比度增强作为预处理，并利用 NGN 权重在来自 Kaggle 平台的两个脑肿瘤数据集上提取特征并分割磁共振成像（MRI）数据。此外，采用支持向量机（SVM）分类算法进行肿瘤分类，并在训练与测试阶段与一种深度学习技术及其他特征进行比较。同时，以 Accuracy、F-measure、Jaccard 等常用性能度量将 NGN 肿瘤分割结果与真实数据评估，并与传统分割技术比较。所提方法在肿瘤分类与分割两项任务上均快且准。该方法取得 95.14% 的分类准确率与 0.977 的分割准确率。
引用
@article{arxiv.2301.12176,
title = {Neural Gas Network Image Features and Segmentation for Brain Tumor Detection Using Magnetic Resonance Imaging Data},
author = {S. Muhammad Hossein Mousavi},
journal= {arXiv preprint arXiv:2301.12176},
year = {2023}
}
备注
7 pages