Classification of Brain Tumor by Combination of Pre-Trained VGG۱۶ CNN
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 169
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JITM-12-2_002
تاریخ نمایه سازی: 25 بهمن 1400
چکیده مقاله:
In recent years, brain tumors become the leading cause of death in the world. Detection and rapid classification of this tumor are very important and may indicate the likely diagnosis and treatment strategy. In this paper, we propose deep learning techniques based on the combinations of pre-trained VGG-۱۶ CNNs to classify three types of brain tumors (i.e., meningioma, glioma, and pituitary tumor). The scope of this research is the use of gray level of co-occurrence matrix (GLCM) features images and the original images as inputs to CNNs. Two GLCM features images are used (contrast and energy image). Our experiments show that the original image with energy image as input has better distinguishing features than other input combinations; accuracy can achieve average of ۹۶.۵% which is higher than accuracy in state-of-the-art classifiers.
کلیدواژه ها:
نویسندگان
Belaid
Laboratoire de la Communication dans les Systèmes Informatiques, Ecole Nationale Supérieure d’Informatique, BP ۶۸M, ۱۶۳۰۹, Oued-Smar, Alger, Algérie.
Loudini
Laboratoire de la Communication dans les Systèmes Informatiques (LCSI), École Nationale Supérieure d’Informatique (ESI), BP ۶۸M, ۱۶۳۰۹, Oued-Smar, Alger, Algérie.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :