脑肿瘤是异常细胞增生，可能是良性的或恶性的。因此，与多级脑肿瘤识别相关的形态、大小、位置和视觉特征的重叠元素各异。为了应对这些问题，提出了一种称为潜图编码器结合三重生成对抗网络与步行扩散算法的多级脑肿瘤检测模型（LGECTGA2Nets+WSA）。为了提高图像质量，首先使用混合递归可逆盒滤波器基础的快速自适应双边滤波（HRRBF-FABF）方法对BRATS 2018和Figshare数据库中的MRI图像进行预处理。然后，使用离散四元数二次相位傅里叶变换（DQQPFT）进行强健的空间频率特征提取。肿瘤分割采用卷积-变换器（CT）进行，随后通过LGECTGA2Nets进行分类。步行扩散算法已被用于获取模型优化。基于Python的系统的准确性和敏感性值分别为99.9%和99.8%，与其他用于检测和分类多级肿瘤的系统相比表现更好.
Rajappan等（星期五）研究了这个问题.