A classification of MRI brain tumor based on two stage feature level ensemble of deep CNN models

计算机科学 人工智能 模式识别(心理学) 分类器(UML) 卷积神经网络 脑瘤 稳健性(进化) 特征提取 特征(语言学) 机器学习 病理 医学 基因 化学 哲学 生物化学 语言学
作者
Nahid Ferdous Aurna,Mohammad Abu Yousuf,Kazi Abu Taher,A. K. M. Azad,Mohammad Ali Moni
出处
期刊:Computers in Biology and Medicine [Elsevier]
卷期号:146: 105539-105539 被引量:66
标识
DOI:10.1016/j.compbiomed.2022.105539
摘要

The brain tumor is one of the deadliest cancerous diseases and its severity has turned it to the leading cause of cancer related mortality. The treatment procedure of the brain tumor depends on the type, location and size of the tumor. Relying solely on human inspection for precise categorization can lead to inevitably dangerous situation. This manual diagnosis process can be improved and accelerated through an automated Computer Aided Diagnosis (CADx) system. In this article, a novel approach using two-stage feature ensemble of deep Convolutional Neural Networks (CNN) is proposed for precise and automatic classification of brain tumors. Three unique Magnetic Resonance Imaging (MRI) datasets and a dataset merging all the unique datasets are considered. The datasets contain three types of brain tumor (meningioma, glioma, pituitary) and normal brain images. From five pre-trained models and a proposed CNN model, the best models are chosen and concatenated in two stages for feature extraction. The best classifier is also chosen among five different classifiers based on accuracy. From the extracted features, most substantial features are selected using Principal Component Analysis (PCA) and fed into the classifier. The robustness of the proposed two stage ensemble model is analyzed using several performance metrics and three different experiments. Through the prominent performance, the proposed model is able to outperform other existing models attaining an average accuracy of 99.13% by optimization of the developed algorithms. Here, the individual accuracy for Dataset 1, Dataset 2, Dataset 3, and Merged Dataset is 99.67%, 98.16%, 99.76%, and 98.96% respectively. Finally a User Interface (UI) is created using the proposed model for real time validation.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
gg完成签到,获得积分10
2秒前
张包子完成签到 ,获得积分10
5秒前
孤独听雨的猫完成签到 ,获得积分10
5秒前
5秒前
陈秋完成签到,获得积分10
11秒前
鬼见愁应助科研通管家采纳,获得10
11秒前
皮卡丘完成签到 ,获得积分10
12秒前
hailiangzheng完成签到,获得积分10
13秒前
陈秋发布了新的文献求助10
14秒前
成就的孤晴完成签到 ,获得积分10
19秒前
Airhug完成签到 ,获得积分10
20秒前
陶冶完成签到,获得积分10
23秒前
FashionBoy应助刘隅采纳,获得10
26秒前
Vegeta完成签到 ,获得积分10
35秒前
SAINT完成签到 ,获得积分10
37秒前
Patrick完成签到 ,获得积分10
42秒前
overlood完成签到 ,获得积分10
42秒前
没头脑和不高兴完成签到 ,获得积分10
50秒前
Byby完成签到 ,获得积分10
53秒前
qausyh完成签到,获得积分10
58秒前
xzn1123应助wodetaiyangLLL采纳,获得10
1分钟前
lixinyue完成签到 ,获得积分10
1分钟前
JamesPei应助研友_LN32Mn采纳,获得10
1分钟前
快乐的幼丝完成签到 ,获得积分10
1分钟前
我独舞完成签到 ,获得积分10
1分钟前
蟲先生完成签到 ,获得积分10
1分钟前
1分钟前
复杂觅山完成签到 ,获得积分10
1分钟前
胜胜糖完成签到 ,获得积分10
1分钟前
幸运草完成签到 ,获得积分10
1分钟前
stiger完成签到,获得积分10
1分钟前
昵称吧完成签到 ,获得积分10
1分钟前
lilylwy完成签到 ,获得积分10
1分钟前
1分钟前
胖胖完成签到 ,获得积分10
1分钟前
然后发布了新的文献求助10
1分钟前
回首不再是少年完成签到,获得积分0
1分钟前
科研通AI2S应助刘隅采纳,获得10
1分钟前
CYL完成签到 ,获得积分10
1分钟前
Reader01完成签到 ,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354446
什么是DOI,文献DOI怎么找? 1246020
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921