亲爱的研友该休息了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!身体可是革命的本钱,早点休息,好梦!

ResNet-SVM: Fusion based glioblastoma tumor segmentation and classification

计算机科学 人工智能 卷积神经网络 分割 深度学习 支持向量机 模式识别(心理学) 人工神经网络 脑瘤 残差神经网络 图像分割 残余物 算法 医学 病理
作者
Hanene Sahli,Amine Ben Slama,Abderrazek Zeraii,Salam Labidi,Mounir Sayadi
出处
期刊:Journal of X-ray Science and Technology [IOS Press]
卷期号:31 (1): 27-48 被引量:11
标识
DOI:10.3233/xst-221240
摘要

Computerized segmentation of brain tumor based on magnetic resonance imaging (MRI) data presents an important challenging act in computer vision. In image segmentation, numerous studies have explored the feasibility and advantages of employing deep neural network methods to automatically detect and segment brain tumors depicting on MRI. For training the deeper neural network, the procedure usually requires extensive computational power and it is also very time-consuming due to the complexity and the gradient diffusion difficulty. In order to address and help solve this challenge, we in this study present an automatic approach for Glioblastoma brain tumor segmentation based on deep Residual Learning Network (ResNet) to get over the gradient problem of deep Convolutional Neural Networks (CNNs). Using the extra layers added to a deep neural network, ResNet algorithm can effectively improve the accuracy and the performance, which is useful in solving complex problems with a much rapid training process. An additional method is then proposed to fully automatically classify different brain tumor categories (necrosis, edema, and enhancing regions). Results confirm that the proposed fusion method (ResNet-SVM) has an increased classification results of accuracy (AC = 89.36%), specificity (SP = 92.52%) and precision (PR = 90.12%) using 260 MRI data for the training and 112 data used for testing and validation of Glioblastoma tumor cases. Compared to the state-of-the art methods, the proposed scheme provides a higher performance by identifying Glioblastoma tumor type.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
科研通AI2S应助傅夜山采纳,获得10
14秒前
20秒前
33秒前
34秒前
53秒前
汉堡包应助CZC采纳,获得10
57秒前
1分钟前
CZC发布了新的文献求助10
1分钟前
1分钟前
2分钟前
2分钟前
wangsiheng发布了新的文献求助10
2分钟前
风起云涌龙完成签到 ,获得积分0
2分钟前
李爱国应助wangsiheng采纳,获得10
2分钟前
3分钟前
4分钟前
端庄洪纲完成签到 ,获得积分10
4分钟前
5分钟前
lalala发布了新的文献求助10
5分钟前
6分钟前
zly完成签到 ,获得积分10
6分钟前
7分钟前
IIIKERUI发布了新的文献求助10
7分钟前
IIIKERUI完成签到,获得积分10
7分钟前
7分钟前
Akim应助傅夜山采纳,获得10
8分钟前
8分钟前
9分钟前
wangsiheng发布了新的文献求助10
9分钟前
小蘑菇应助傅夜山采纳,获得10
9分钟前
一棵草完成签到,获得积分10
9分钟前
小白完成签到 ,获得积分10
9分钟前
10分钟前
mingble完成签到 ,获得积分10
10分钟前
10分钟前
10分钟前
傅夜山发布了新的文献求助10
11分钟前
傅夜山发布了新的文献求助10
11分钟前
傅夜山发布了新的文献求助10
11分钟前
隐形曼青应助傅夜山采纳,获得10
11分钟前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Becoming: An Introduction to Jung's Concept of Individuation 600
肝病学名词 500
Evolution 3rd edition 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3171584
求助须知:如何正确求助?哪些是违规求助? 2822446
关于积分的说明 7939238
捐赠科研通 2483077
什么是DOI,文献DOI怎么找? 1322957
科研通“疑难数据库(出版商)”最低求助积分说明 633826
版权声明 602647