基于MDM-ResNet的脑肿瘤分类方法

来源：南京信息工程大学学报·自然科学版杂志2022年第2期北京时间：

作者：夏景明，邢露萍，谈玲，宣大伟

单位：夏景明,南京信息工程大学, 人工智能学院, 南京 210044,邢露萍,南京信息工程大学, 人工智能学院, 南京 210044,20181219093@nuist.edu.cn谈玲,南京信息工程大学, 计算机与软件学院, 南京 210044,宣大伟,南京信息工程大学, 人工智能学院, 南京 210044

摘要：脑肿瘤是世界上最致命的癌症之一.由于脑肿瘤的多样性,其图像分类成为了当代研究的热点.近年来,深度神经网络(DNN)常用于医学图像分类,但随着深度的增加网络会出现梯度消失和过拟合的问题,而残差网络(ResNet)通过引入恒等映射可以缓解这些问题.因此,本文基于ResNet提出了一种MDM-ResNet网络,该网络由多尺寸卷积核模块(Multi-size convolution kernel module)、双通道池化层(Dual-channel pooling layer)和多深度融合残差块(Multi-depth fusion residual block)组成.本文实验在Figshare数据集上展开,采用数据增强操作对图像进行预处理,并利用5倍交叉验证方法对网络性能进行评估.最终实验结果表明MDM-ResNet能够对脑膜瘤(Meningioma)、胶质瘤(Glioma)和垂体瘤(Pituitary tumor)进行有效分类.

关键词：脑肿瘤;深度神经网络(DNN);残差网络(ResNet);多尺寸卷积核模块;双通道池化层;多深度融合残差块

基金资助：国家自然科学基金(41505017)