基于3D CNN的脑胶质瘤分类算法

您当前的位置：

首页 >

文章列表页 >

基于3D CNN的脑胶质瘤分类算法

光学图像处理 | 更新时间：2025-09-01

- 基于3D CNN的脑胶质瘤分类算法
- Brain glioma classification algorithm based on 3D CNN
- 光学技术 2019年45卷第6期页码：749-755
- 作者机构：
  
  1:上海理工大学医疗器械与食品学院
- 作者简介：
- 基金信息：
  
  上海市自然科学基金资助项目(18ZR1426900)
- DOI：10.13741/j.cnki.11-1879/o4.2019.06.018
  中图分类号：
- 纸质出版：2019
- 稿件说明：
移动端阅览
赵尚义, 王远军. 基于3D CNN的脑胶质瘤分类算法[J]. 光学技术, 2019,45(6):749-755.

Brain glioma classification algorithm based on 3D CNN[J]. 2019, 45(6): 749-755.
赵尚义, 王远军. 基于3D CNN的脑胶质瘤分类算法[J]. 光学技术, 2019,45(6):749-755. DOI： 10.13741/j.cnki.11-1879/o4.2019.06.018.

Brain glioma classification algorithm based on 3D CNN[J]. 2019, 45(6): 749-755. DOI： 10.13741/j.cnki.11-1879/o4.2019.06.018.

基于目前脑胶质瘤在低分级胶质瘤和高分级胶质瘤上分类不准确的问题

提出了基于3D CNN特征提取的磁共振成像脑胶质瘤分类方法。在3D CNN模型中加入Batch Normalizing层和Dropout层

降低了过度拟合并加速了网络收敛速度;使用N4ITK和数据增强后的数据进行训练

进一步降低了过度拟合

提升了模型分类效果;构建特征融合层

实现自动分类。实验结果表明

算法在BraTS 2018数据集中的分类效果具有明显优势

分类准确率高达91.67%

明显高于AlexNet、VGG和ResNet三大主流网络模型

算法具有较好的鲁棒性和泛化性

对脑胶质瘤的分类和诊断具有临床应用潜力。

浏览量

286

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于长短期记忆网络与特征融合的微表情识别算法

基于小波分解金字塔的OCT图像特征提取算法

多项式展开配准的多图谱大脑磁共振图像分割

基于Krawtchouk矩和支持向量机的印鉴真伪识别

块运动信息加权的视频质量评估算法