基于深度卷积神经网络的多级脑肿瘤分类与增强的数据增强

医疗影像技术的创新，特别是在磁共振成像（MRI）领域，显著提高了诊断能力。然而，由于不同肿瘤类型之间微妙的差异以及非肿瘤区域的存在，从MRI扫描中准确分类脑肿瘤仍然是一项困难的任务。自动化MRI分类面临的主要挑战包括肿瘤外观的高度变异、良性和恶性肿瘤特征之间的相似性，以及医疗数据集固有的不平衡。所提出的模型架构包括多个卷积层，配有标准化批次和去除异常值，以增强泛化能力并控制过拟合。数据集通过翻转、缩放和旋转等数据增强技术从5,712张原始图像扩展到142,800张图像，使模型能够从更为多样化的示例中学习。模型显示出良好的结果，在50个周期后获得了99%的训练精度和91.5%的验证准确度，表明有效的学习和泛化能力.