基于MRI图像的脑肿瘤分类优化加权投票系统
计算机视觉与模式识别
2026-03-31 v1 机器学习
摘要
从MRI扫描 accurate 分类脑肿瘤对于有效诊断和治疗计划至关重要。本文提出了一种加权集成学习方法，结合深度学习和传统机器学习模型以提高分类性能。该系统集成了多个分类器，包括ResNet101、DenseNet121、Xception、CNN-MRI和ResNet50，以及应用边缘增强图像的SVM和KNN，后者使用HOG特征。加权投票机制为具有更好单一准确性的模型分配更高影响力，确保决策过程的稳健性。应用平衡对比度增强、K-means聚类和Canny边缘检测等图像处理技术以增强特征提取。在Figshare和Kaggle MRI数据集上的实验评估表明，所提出的方法实现了最高的准确率，超越了现有模型。这些发现凸显了基于集成的学习在提高脑肿瘤分类方面的潜力，为医学图像分析提供了一个可靠且可扩展的框架。
引用
@article{arxiv.2603.28357,
title = {Optimized Weighted Voting System for Brain Tumor Classification Using MRI Images},
author = {Ha Anh Vu},
journal= {arXiv preprint arXiv:2603.28357},
year = {2026}
}