基于GLCM和SVM分类器的多模态MRI脑肿瘤分割

李娜、郑洋

国际标准编号：1557-3958|EISSN公司：1557-3966|EISBN13：9781799859857|内政部：10.4018/IJCINI.20211001.oa15

MLA公司

李娜和郑阳。“基于GLCM和SVM分类器的多模式MRI数据脑肿瘤分割。”IJCINI公司2021年第4期第15卷：第1-18页。http://doi.org/10.4018/IJCINI.20211001.oa15

亚太地区

Li，N.和Yang，Z.（2021）。基于GLCM和SVM分类器的多模态MRI脑肿瘤分割。国际认知信息学与自然智能杂志（IJCINI），15(4), 1-18. http://doi.org/10.4018/IJCINI.20211001.oa15

芝加哥

李娜和郑阳。“基于GLCM和SVM分类器的多模态MRI数据脑肿瘤分割，”国际认知信息学与自然智能杂志（IJCINI）15，4号：1-18。http://doi.org/10.4018/IJCINI.20211001.oa15

导出参考

收藏夹完整发布下载

查看全文HTML

查看全文PDF

摘要

MRI脑肿瘤分割利用计算机技术在多模态脑图像上自动分割和标记肿瘤和正常组织，在疾病诊断、治疗规划和手术导航中发挥着重要作用。我们提出了一种使用灰度共生矩阵（GLCM）纹理和集成支持向量机（SVM）结构的解决方案。作者的这篇手稿关注于GLCM纹理对脑肿瘤分割的影响。其结果不同于GLCM纹理在其他类型的图像处理中的应用。实验材料是一个名为BraTs2015的数据集。分割的五个不同标签分别是正常脑、坏死、水肿、非增强肿瘤和增强肿瘤。利用Dice系数对该模型进行了验证。结果表明，该方法具有较好的容量和较高的分割精度，且计算量小。