一个新的脑MRI分类框架整合了调整的单尺度视网膜和经验波束的特征
Paravathanani Rajendra Kumar1, Krishna Prakash2, Buraga Ram Sai Teja3
1Department of AI&ML, NRI Institute of Technology, Agiripalli, Eluru, Andhra Pradesh, 521212, India. p.rajendrakumar08@gmail.com.
Scientific reports
|August 13, 2025
概括
这项研究引入了一种使用磁共振成像 (MRI) 来分类脑瘤的新方法. 这种方法提高了图像质量,并提取了用于准确检测瘤的特征,从而改善了早期诊断.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 生物医学工程 生物医学工程
背景情况:
- 脑瘤是全世界成年人死亡的主要原因.
- 早期诊断脑瘤对于改善患者预后至关重要.
- 磁共振成像 (MRI) 是用于可视化大脑组织的关键非侵入性诊断工具.
研究的目的:
- 为大脑MRI图像分类提出一个新的框架.
- 提高图像质量和提取信息特征,以准确检测瘤.
- 评估拟议的分类框架的性能.
主要方法:
- 图像增强使用调整单尺度Retinex (TSSR).
- 使用经验波纹变换 (EWT) 的增强图像的自适应分解.
- 能量和特征的提取 (Shannon,Tsallis) 和使用支持矢量机 (SVM) 和LPBoost.使用分类.
主要成果:
- 在二进制类脑MRI数据集上实现了96.43%的分类准确度.
- 证明了100%的真正阳性率 (TPR) 和77.78%的真负率 (TNR).
- 在脑MRI分类方面表现优于现有的几种最先进的方法.
结论:
- 拟议的框架为医疗图像分析提供了一个强大的和可通用的解决方案.
- 基于EWT的统计特征和TSSR增强的图像质量是主要贡献.
- 该方法显示了通过MRI分析改善早期脑瘤诊断的巨大潜力.


