Classification des tumeurs cérébrales à l'aide de la matrice de co-occurrence de niveaux de gris et du réseau de neurones convolutionnel

Les images sont des objets qui contiennent de nombreuses informations. La matrice de co-occurrence de niveaux de gris est l'une des nombreuses façons d'extraire des informations à partir d'objets image. Les informations extraites peuvent ensuite être traitées en utilisant différentes méthodes, la matrice de co-occurrence de niveaux de gris est utilisée pour clarifier les tumeurs cérébrales à l'aide du réseau de neurones convolutionnel. L'objectif de cette recherche est de traiter les informations extraites de la matrice de co-occurrence de niveaux de gris vers le réseau de neurones convolutionnel où elles seront traitées comme un apprentissage profond pour mesurer la précision en utilisant quatre combinaisons de données de TI1, sous forme de données de tumeurs cérébrales Ménigome, Gliome et Tumeur hypophysaire. Sur la base de l'implémentation de cette recherche, le résultat de classification du réseau de neurones convolutionnel montre que la caractéristique de contraste de la matrice de co-occurrence de niveaux de gris peut augmenter le niveau de précision jusqu'à vingt pour cent par rapport aux autres caractéristiques. Cette extraction de caractéristiques accélère également le processus de classification utilisant le réseau de neurones convolutionnel.