图像增强使用二维实证模式分解和形态操作用于脑瘤检测和分类
Giang Hong Nguyen1,2, Yen Thi Hoang Hua1,3, Linh Chi Nguyen1,3
1Department of Physics and Computer Science, Faculty of Physics & Engineering Physics, University of Science, Ho Chi Minh City, Vietnam.
Asian Pacific journal of cancer prevention : APJCP
|September 30, 2024
概括
这项研究引入了用于脑瘤图像分析的新三步方法,增强了预处理,以更好地减少噪音和对比度. 该方法在瘤检测和分类方面显示出高精度,为先进的计算机辅助诊断 (CADx) 系统铺平了道路.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 大脑图像处理,包括预处理,细分和分类,对于患者护理至关重要.
- 现有的方法需要改进,特别是在预处理过程中消除噪音和改善对比度.
研究的目的:
- 介绍一种用于脑瘤图像分析的新三步方法.
- 强调用于降低噪音和增强对比度的预处理技术.
主要方法:
- 利用快速和自适应的二维实证模式分解,异构扩散和修改的顶帽/底帽转换进行预处理.
- 采用快速C-意味着瘤检测的聚类和组合学习进行分类.
主要成果:
- 达到99%的准确性和特异性,在瘤检测中具有90%的灵敏度和精度.
- 开发了一个集体学习模型,训练准确率为96.7%,测试准确率为76.7%.
- 分类瘤图像的准确率为75%,错误分类了三例垂体瘤病例.
结论:
- 拟议的方法显示了开发计算机辅助诊断 (CADx) 软件的巨大潜力.
- 这项技术可以作为医生在治疗脑瘤时的宝贵参考工具.
