计算机科学>神经和进化计算
标题: 基于进化卷积神经网络的脑肿瘤检测与分类
摘要: 脑瘤的明确诊断对于提高治疗成功率和患者生存率至关重要。 然而,很难手动评估临床生成的多个磁共振成像(MRI)图像。 因此,需要更精确的基于计算机的肿瘤检测方法。 近年来,许多工作都在研究经典的机器学习方法,以使这个过程自动化。 最近,深度学习技术作为一种更准确、更有力地诊断脑瘤的手段,引起了人们的兴趣。 因此,本研究的目的是利用脑部MRI图像来区分健康和不健康患者(包括肿瘤组织)。 因此,本文开发了一种增强型卷积神经网络,用于准确的脑图像分类。 增强卷积神经网络结构由用于特征提取和最优分类的组件组成。 非线性莱维混沌Moth火焰优化器(NLCMFO)优化用于训练卷积神经网络层的超参数。 使用哈佛医学院的BRATS 2015数据集和脑图像数据集,对所提出的模型进行评估,并与各种优化技术进行比较。 优化后的CNN模型优于文献中的其他模型,提供了97.4%的准确率、96.0%的灵敏度、98.6%的特异性、98.4%的准确度和96.6%的F1-score(CNN准确度和召回率的加权调和值的平均值)。