欢迎使用InfoSci平台
参考中心2
卷积神经网络与模糊规则相结合用于脑肿瘤诊断决策

融合模糊规则的卷积神经网络在脑肿瘤诊断决策中的应用

范凡海（Pham Van Hai）、萨姆森·埃洛安伊·阿梅奇（Samson Eloanyi Amaechi）
版权：© 2021|体积：15|问题：4|页：23
国际标准编号：1557-3958|EISSN公司：1557-3966|EISBN13：9781799859857|内政部：10.4018/IJCINI.20211001.oa47
引用文章引用文章

MLA公司

Van Hai、Pham和Samson Eloanyi Amaechi。“融合模糊规则的卷积神经网络用于脑肿瘤诊断决策”IJCINI公司第15卷，第4期，2021年：第1-23页。http://doi.org/10.4018/IJCINI.20211001.oa47

亚太地区

Van Hai，P.&Amaechi，S.E.（2021年）。融合模糊规则的卷积神经网络在脑肿瘤诊断决策中的应用。国际认知信息学与自然智能杂志（IJCINI），15(4), 1-23. http://doi.org/10.4018/IJCINI.20211001.oa47

芝加哥

Van Hai、Pham和Samson Eloanyi Amaechi。“融合模糊规则的卷积神经网络用于脑肿瘤诊断决策”国际认知信息学与自然智能杂志（IJCINI）第15页，第4页：1-23。http://doi.org/10.4018/IJCINI.20211001.oa47

导出参考

门德利
最喜欢的完整发布下载

摘要

用于脑肿瘤检测、诊断和分类的传统方法，如磁共振成像和计算机断层扫描技术，在其结果上是无可比拟的。本文提出了一种基于模糊规则的卷积神经网络模型组合，用于健康脑细胞和肿瘤脑细胞等医学影像的检测和分类。该模型为脑肿瘤、心脏病、乳腺癌、HIV和FLU等医学影像的自动分类和检测做出了贡献。该模型的实验结果表明，总准确率为97.6%，这表明，与文献中的其他现有方法相比，该方法取得了更好的性能，例如[使用小波和支持向量机对人脑MRI中的肿瘤进行分类94.7%，以及使用传递学习的深度卷积神经网络对脑图像进行自动分类95.0%]，用于检测、诊断和分类医学成像决策支持。