一种基于深度卷积神经网络和SVM算法的脑部MRI肿瘤分割智能诊断方法

在目前提出的脑分割方法中，基于传统图像处理和机器学习的脑肿瘤分割方法效果不够理想。因此，基于深度学习的脑分割方法得到了广泛应用。在基于深度学习的脑肿瘤分割方法中，卷积网络模型具有良好的脑分割效果。深度卷积网络模型存在参数量大以及在编解码过程中信息损失大的问题。本文提出了一种深度卷积神经网络融合支持向量机算法（DCNN-F-SVM）。所提出的脑肿瘤分割模型主要分为三个阶段。在第一阶段，训练深度卷积神经网络以学习从图像空间到肿瘤标记空间的映射。在第二阶段，将深度卷积神经网络训练得到的预测标签与测试图像一起输入到集成支持向量机分类器中。在第三阶段，将深度卷积神经网络与集成支持向量机串联以训练深度分类器。在 BraTS 数据集和自制数据集上运行各个模型以分割脑肿瘤。分割结果表明，所提出模型的性能显著优于深度卷积神经网络和集成 SVM 分类器。