融合超像素和卷积神经网络的MRI脑肿瘤图像识别方法

打开文本图片集

摘 要：【目的】由于MRI脑肿瘤图像数据具有多样性和复杂性，目前仅基于CNN模型的分类方法很难快速有效识别出脑肿瘤。为了在提高图像分类效率的同时，仍能保持较高识别精度，提出一种融合超像素和卷积神经网络的MRI脑肿瘤识别方法。【方法】通过简单线性迭代聚类（Simple Linear Iterative Clustering，SLIC）超像素分割算法对图像预分割，并进行颜色平均处理，对颜色平均后的超像素图像进行网格划分，提取网格内出现最多的像素值替代该网格内所有像素值，从而组成新图像作为CNN模型的输入，以减少传入CNN模型的像素数量。（剩余14405字）