机构名称：
¥ 1.0
最近，由于症状的复杂性和模糊性，疾病诊断的不确定性不断增加和蔓延，导致诊断过程不可靠和不可靠。由于 MRI 扫描中的肿瘤检测主要取决于专家的经验，误诊将导致不准确的治疗，并可能造成严重的后果。本文介绍了脑肿瘤检测服务，作为患者和专家的辅助功能。本文重点研究了基于云的多医学诊断服务框架下的自动 MRI 脑肿瘤检测。所提出的 CNN 辅助深度架构包含两个阶段：特征提取阶段和检测阶段。在将数据注入模型进行训练之前，应用轮廓检测和二值分割来提取感兴趣的区域并减少不必要的信息。脑肿瘤数据来自 Kaggle 数据集，经过预处理和增强阶段后，包含 2062 例病例，其中 1083 例为肿瘤，979 例为非肿瘤。训练和验证阶段使用不同大小的图像完成，图像大小在 (16, 16) 到 (128,128) 之间。实验结果显示检测准确率为 97.3%，灵敏度为 96.9%，特异性为 96.1%。此外，使用这种类型的图像的小过滤器可确保更好、更快的性能，并实现更深入的学习。
深度学习辅助脑肿瘤检测
主要关键词
相关文件推荐
