GLCMに基づく特徴抽出を用いた脳の異常検出のためのハイブリッドニューラルファジーアプローチ

脳腫瘍の検出は、異常な脳組織の解剖学的情報を提供するため、医療分野において重要な作業です。これは、治療計画や患者フォローアップに役立ちます。この論文では、脳画像に存在する異常を検出し指定するためのアプローチを提案します。そのアイデアは、二つの比喩、すなわちニューラルネットワークとファジィロジックを組み合わせることです。これら二つの比喩は、ハイブリッドニューラルファジーシステムと呼ばれる一つのシステムに統合されます。このシステムは、人工ニューラルネットワークシステムとファジィロジックシステムの両方の利点を享受し、各々の制限を排除します。ニューラルファジーシステムは、人工ニューラルネットワークシステムの学習能力と、ファジィ推論システムの明示的な知識表現を組み合わせています。提案されたシステムは、さまざまなリポジトリサイトや病院を通じたデータ収集、さまざまな脳画像の前処理、グレーレベル共起行列（GLCM）を用いた特徴抽出、そしてハイブリッドニューラルファジーシステムを通じた脳画像の分類の4つのステージで構成されています。実験結果は、分類精度、特異性、および感度の面で有望な結果を示しています。