LOBO优化的深度卷积神经网络用于脑肿瘤分类

Sahaya Anselin Nisha¹, NARMADHA R.¹, AMIRTHALAKSHMI T. M.², BALAMURUGAN V.¹,

VEDANARAYANAN V.¹

(1. School of Electrical and Electronics, Sathyabama Institute of Science and Technology,

Chennai 600119, Tamil Nadu, India;

2. Department of Electronics and Communication Engineering, SRM Institute of Science and Technology, Ramapuram Campus, Chennai 600089, Tamil Nadu, India)

摘要：脑肿瘤分类是医疗保健应用中的一个重要问题。精确与及时的脑肿瘤识别对于有效地治疗这种疾病是重要的。脑肿瘤在大小、形状和数量上都有很大的变化，因此分类过程是一个很困难的研究问题。本文提出了一种利用磁共振成像技术的深度学习模型，克服了现有分类方法的局限性。所提方法的有效性取决于coyote优化算法，也称为LOBO算法，该算法对深度卷积神经网络分类器的权重进行优化。其准确度、灵敏度和特异度分别为92.401 1%、94.154 1%和91.928 6%，验证了该方法的有效性。结果表明，该方法对脑肿瘤可进行有效分类。

关键词：脑肿瘤，磁共振成像，深度学习，深度卷积神经网络分类器，LOBO优化

点击分享码全文pdf浏览： https://rdcu.be/dYEXN

Nisha, A.S.A., Narmadha, R., Amirthalakshmi, T.M. et al. LOBO Optimization-Tuned Deep-Convolutional Neural Network for Brain Tumor Classification Approach. J. Shanghai Jiaotong Univ. (Sci.) (2023). https://doi.org/10.1007/s12204-023-2625-8 

《上海交通大学学报（英文版）》是由教育部主管、上海交通大学主办的自然科学综合性学术期刊，被 EI、Scopus等检索系统收录。主要刊登反映基础理论和工程领域实验研究的最新成果，如电子工程和自动化、计算机和通信工程、船舶海洋和建筑工程、材料科学与工程以及生物医学工程等。从 2021 年开始，《上海交通大学学报（英文版）》主要刊登医工交叉研究和人工智能及其在工程中的应用成果。 

英文版主页：https://xuebao.sjtu.edu.cn/sjtu_en/EN/1007-1172/home.shtml

英文版 on Springer：https://link.springer.com/journal/12204