Loading...
机构名称:
¥ 1.0

本文旨在提供使用磁共振图像 (MRI) 对脑肿瘤进行分割和分类的更好方法。在本文中,小波特征是通过使用连续小波变换 (2D-CWT) 将概率密度函数 (PDF) 转换为频谱图图像而形成的,这是一种简单的特征提取方法,而特征提取方法 (PDF 和 2D-​​CWT) 正在提高性能。此外,为了提高分割性能,使用形态学操作分割图像并使用卷积神经网络 (CNN) 作为分类器。在 BraTS2019 数据集上,该方法的性能是根据 F1 分数和肿瘤区域分割准确度来评估的。这取得了最好的结果,准确度和 F1 分数分别为 97.37% 和 97.43%。

基于分割技术和小波变换的脑肿瘤分类

基于分割技术和小波变换的脑肿瘤分类PDF文件第1页

基于分割技术和小波变换的脑肿瘤分类PDF文件第2页

基于分割技术和小波变换的脑肿瘤分类PDF文件第3页

基于分割技术和小波变换的脑肿瘤分类PDF文件第4页

基于分割技术和小波变换的脑肿瘤分类PDF文件第5页

相关文件推荐

2019 年
¥23.0