基于改进ResNet34网络的脑肿瘤分类方法研究
计算机视觉与模式识别
2025-12-04 v1 人工智能
摘要
以往的医学影像解释主要依赖人工方法。然而，人工分类脑肿瘤医学影像耗时且费力。即便采用浅层卷积神经网络模型，准确率也不理想。为提高脑肿瘤图像分类的效率和准确率，本文提出一种基于改进ResNet34网络的脑肿瘤分类模型。该模型以ResNet34残差网络作为主干网络，并Incorporates 多尺度特征提取。它在ResNet34网络的第一层使用多尺度输入模块，并在残差下采样层采用 Inception v2 模块。此外，引入通道注意力机制模块，从通道维度对不同通道赋予不同权重，获取更重要的特征信息。经过五折交叉实验后，改进网络模型的平均分类准确率约为98.8%，不仅比原始ResNet34高出约1%，而且参数数量仅为原模型的80%。因此，该改进网络模型不仅提高了准确率，而且简化了网络结构，实现了参数更少且准确率更高的分类效果。
引用
@article{arxiv.2512.03751,
title = {Research on Brain Tumor Classification Method Based on Improved ResNet34 Network},
author = {Yufeng Li and Wenchao Zhao and Bo Dang and Weimin Wang},
journal= {arXiv preprint arXiv:2512.03751},
year = {2025}
}