机构名称：
¥ 1.0
癌症是不良细胞的进展，可增加头骨内颅内压。在大多数情况下，使用不同的图像技术，例如，CT扫描，MRI和超声检查图像用于评估头脑中的肿瘤，肺，怀抱，肝脏，前列腺等。通常通过磁共振成像（MRI）来完成心灵肿瘤的识别。主要缺点是找到确切的位置/位置。因此，找到基于图像检测，识别和分类疾病的手段和方法变得重要。可靠和自动分类系统对于避免人类死亡率很重要。在周围脑肿瘤区域的广泛空间和结构异质性中，脑肿瘤的自动分类非常困难。自动脑肿瘤发现，我们的主要目标是建立一个深度学习模型，该模型可以成功地识别并将图像分类为脑肿瘤（肿瘤）或不是脑肿瘤（非肿瘤）。在本文中，我们提出了一种基于CNN的转移学习方法，该方法使用VGG16（预训练模型）将大脑MRI扫描分为两类。实验结果表明，CNN归类为96.5％的训练精度和90％的测试精度，其复杂性低的训练精度与最新方法的所有其他方法都有区别。
使用CNN
主要关键词
相关文件推荐
