机构名称：
¥ 1.0
摘要不规则的脑细胞的生长导致一种称为脑肿瘤（BT）的疾病。由于较低的肿瘤形状速率和范围很大，很难预测患者的生存机会。即使可以手动检测到癌症，也很困难且耗时，并且有产生假阳性结果的风险。这可以通过MRI完成，这是定位癌症所必需的。很难通过计算机辅助诊断系统可靠地可靠地识别MRI图像从MRI图像中识别出不同的疾病。在实验中，使用了三个公开访问的基准数据集。要在我们提出的方法中执行特征提取，采用了CNN模型，随后应用五个机器学习分类器：决策树（DT），天真贝叶斯（NB），自适应增强（ADABOOST），K-Nearest邻居（KNN）和支持向量机（SVM）。结果表明，通过在各种分类指标下优于其他尖端DL模型，提出的使用KNN分类器的CNN体系结构的性能要比以前的CNN模型更好。最后，所达到的F1得分，精度，召回和所提出模型的分类和检测的准确性值分别为99.58％，99.59％，99.58％和99.58％。进行比较研究，使用了其他转移学习模型。实验发现支持所提出的体系结构的强度，该结构已迅速加速并改善了BT的分类。设计的方法优于现有知识的主体，表明它是对BTS进行分类的快速而精确的方法。
一种新的检测MRI脑肿瘤的混合系统
主要关键词
相关文件推荐
