.png){kind=icon}
返回
Hybrid CNN
.png){kind=icon}
PRE
AI
DOI：10.1007/s13721-025-00718-8.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
癌症仍然是全球第二大死亡原因，其中脑肿瘤对癌症相关死亡贡献显著。脑肿瘤的早期准确诊断对于及时治疗干预和改善患者预后至关重要。医学影像领域的近期进展，特别是在图像分类方面，显著提升了计算机辅助诊断系统的有效性。本文提出了五种混合模型：VGG16 + LSTM + SVM、VGG19 + LSTM + SVM、ResNet50 + LSTM + SVM、ResNet152 + LSTM + SVM 和 EfficientNetB3 + LSTM + SVM，用于脑肿瘤的多分类。这些模型结合了卷积神经网络（VGG16、VGG19、ResNet50、ResNet152 和 EfficientNetB3）的特征提取能力、长短期记忆网络（LSTM）的序列学习能力以及支持向量机（SVM）的强大分类能力。该方法首先通过数据增强解决类别不平衡问题并增加训练数据集的多样性。卷积层提取的特征输入到 LSTM 网络，以捕捉时序依赖关系，然后使用 SVM 对输出进行分类。实验结果表明，所提出的模型优于当前最先进的方法，其中 ResNet152 + LSTM + SVM 模型在使用 RMSprop 优化器时达到 99% 的准确率、99% 的精确率、99% 的召回率和 99% 的 F1 分数。
Keyword:
Brain Tumor
MRI
Classification
VGG16
VGG19
ResNet50
ResNet152
EfficientNetB3
LSTM
SVM
期刊
N
IF:
0
论文数:
178
被引数:
1
机构
引用论文
An enhanced deep learning method for multi-class brain tumor classification using deep transfer learning一种基于深度迁移学习的增强型深度学习多类脑肿瘤分类方法
.png){kind=icon}
PREAI
分享收藏BCM-VEMT: classification of brain cancer from MRI images using deep learning and ensemble of machine learning techniquesBcm-vemt: 使用深度学习和机器学习技术集成对MRI图像中的脑癌进行分类
PREAI
分享收藏Multi-class brain tumor classification using residual network and global average pooling基于残差网络和全局平均池化的多类脑肿瘤分类
PREAI
分享收藏
Advancing brain tumor classification through MTAP model: an innovative approach in medical diagnostics通过MTAP模型推进脑肿瘤分类：医学诊断领域的一种创新方法
OAAI
OAAI分享收藏SSO-CCNN: A Correlation-Based Optimized Deep CNN for Brain Tumor Classification Using Sampled PGGANSso-ccnn：一种基于相关性优化的深度CNN，用于使用采样PGGAN的脑肿瘤分类
PREAI
分享收藏Transfer Learning-Based Deep Feature Extraction Framework Using Fine-Tuned EfficientNet B7 for Multiclass Brain Tumor Classification基于迁移学习的深度特征提取框架，使用微调后的EfficientNet B7进行多类脑肿瘤分类
PREAI
分享收藏M-C&M-BL: a novel classification model for brain tumor classification: multi-CNN and multi-BiLSTMM-C&M-BL：一种用于脑肿瘤分类的新型分类模型：多CNN和多BiLSTMOAAI
OAAI分享收藏
查看更多内容