Brain Tumor Classification From MRI Images Using Machine Learning

脑肿瘤是一种危及生命的问题，影响人体正常功能。恶性脑肿瘤的平均五年相对生存率为35.6％。为了进行正确的诊断和有效的治疗计划，必须在早期阶段检测脑肿瘤。由于医学成像技术的进步，脑图像以不同的方式被拍摄。从磁共振成像（MRI）扫描中提取相关特征的能力是脑肿瘤分类器的关键步骤。几项研究提出了各种策略，以从MRI的不同模态中提取相关特征，以预测异常肿瘤的生长。大多数技术使用传统的图像处理方法进行特征提取和机器学习进行分类。最近，医学影像中使用深度学习算法在脑肿瘤的分类和诊断方面取得了显着进展。由于肿瘤位于脑的不同区域，定位肿瘤并将其分类到特定类别是一项具有挑战性的任务。本项目的目标是使用机器学习（集成）开发用于脑肿瘤检测的预测系统。

开发基于机器学习集成的脑肿瘤检测预测系统，以解决脑肿瘤早期检测和分类问题。

使用深度学习算法来提取磁共振成像（MRI）扫描的相关特征，并进行脑肿瘤的定位和分类。采用机器学习集成的方法，将多个分类器的结果进行组合，提高分类准确率。

论文使用了四个不同的MRI数据集进行实验，证明了所提出的方法在分类准确率和灵敏度方面的优越性。此外，论文还比较了不同深度学习模型和特征提取技术的性能，为未来的研究提供了参考。

近年来，许多研究都使用深度学习算法来解决脑肿瘤检测和分类问题。例如，'A Deep Learning-Based Radiomics Model for Differentiating Benign and Malignant Renal Tumors'和'Deep learning-based classification of gliomas using conventional MRI images'等。