机构名称：
¥ 1.0
随着医疗技术的快速发展，医学大数据时代正在迅速到来。对这些数据的分析和挖掘对肿瘤疾病的预测、监测、诊断和治疗有重大影响。由于脑肿瘤具有多种特征、低存活率和侵袭性，因此被认为是最致命和最具破坏性的疾病。误诊脑肿瘤会导致治疗不充分，从而降低患者的生命机会。由于区分异常组织和正常组织的能力，脑肿瘤检测极具挑战性。正确的诊断使患者能够得到有效的治疗和长期生存。尽管进行了广泛的研究，但由于病变的分布模式不寻常，检测脑肿瘤仍然存在一定的局限性。找到病变数量较少的区域可能很困难，因为小区域往往看起来很健康。它直接降低了分类准确性，并且提取和选择信息特征具有挑战性。利用深度学习和机器学习方法自动对早期脑肿瘤进行分类具有重要意义。本文提出了一种混合深度学习模型卷积神经网络-长短期记忆 (CNN-LSTM)，用于通过磁共振图像 (MRI) 对脑肿瘤进行分类和预测。我们在 MRI 脑图像数据集上进行了实验。首先，对数据进行有效的预处理，然后应用卷积神经网络 (CNN) 从图像中提取重要特征。所提出的模型对脑肿瘤的预测准确率为 99.1%，准确率为 98.8%，召回率为 98.9%，F1 测量值为 99.0%。
集成深度学习用于脑肿瘤检测
主要关键词
相关文件推荐
