APP下载

基于CNN和SVM融合的脑肿瘤检测和分割

2021-11-03唐组阁余晓江

电子技术与软件工程 2021年16期
关键词:实验检测

唐组阁 余晓江

(1.西华师范大学 四川省南充市 637002 2.德阳市人民医院 四川省德阳市 618000)

1 引言

脑肿瘤是生长在头颅内神经性肿瘤的统称,其危害性极大。脑肿瘤的前期存在一定的潜伏期,通过核磁共振图像MRI(Magnetic Resonance Imaging)的判断在一定程度上受医学专家的知识经验的影响或其他人为因素的影响,使得病情不易在前期发现。而后期的病发的状态中,由于人脑的病变区域的多样性,包括病变区域的大小、分散情况和形状不规整等情况,对于脑肿瘤的药物和放射治疗带了很大的干扰,使得病情不能有效的控制和治愈。两者使得由脑肿瘤引发的死亡率增高,如何在前期对潜在的脑肿瘤的检测和后期对肿瘤区域的分割在目前的医学临床领域是非常重要的。

目前对于MRI图像判定是否存在病变的方法主要分为两大类,即医学专家和智能识别。但其局限于脑肿瘤的中后期,通过与正常组织区域属性对比得出结果,其中包括了MRI 图像中的T1、T2和FLAIR 提供的数据成像。而对于MRI 脑肿瘤的分割手段也包含了基于人工区域、基于聚类和基于卷集神经网络CNN(Convolution Neural Network)。例如文献[1]结合了卷集神经网络和模糊系统来对进行分隔,虽然在分隔性能上有一定的提升。文献[2]利用级联的CNN,通过连续CNN 来实现对图像信息的传输。文献[3]利用卷积核提升速度和特征获取。文献[4]利用改进的多模态的混合分割方法,提高实时性。文献[5]利用三维CNN 结合空洞卷积通路,具有较高的集成性。文献[6]利用条件随机场结合CNN 来实现图像边缘的改善。……

登录APP查看全文

猜你喜欢

实验检测
记一次有趣的实验
做个怪怪长实验
NO与NO2相互转化实验的改进
实践十号上的19项实验
小波变换在PCB缺陷检测中的应用
《实验流体力学》征稿简则