使用高斯卷积神经网络进行脑肿瘤和胶质瘤分级分类

理解脑疾病，比如对脑肿瘤（BT）的分类，对于评估肿瘤和为患者提供适当的治疗至关重要。现有多种成像方案用于BT检测，例如磁共振成像（MRI），因其图像质量更高且依赖非电离辐射的现实而被广泛使用。本文提出了一种使用高斯卷积神经网络（GCNN）在两个数据集上检测不同BT类型的方法。其中一个数据集用于将肿瘤分类为脑垂体瘤、胶质瘤和脑膜瘤。另一个数据集则分离三种胶质瘤等级，即二级、三级和四级。这些数据集分别包含233名和73名患者，总共有3064张和516张T1加权复杂增强图像。该方法在两个数据集上的准确率达到99.8%和97.14%。实验结果突显了该方法在BT多类分类中的效率。