TY -的A2 Kobashi Syoji盟——赵,Liya盟——贾Kebin PY - 2016 DA - 2016/03/16 TI -多尺度cnn脑肿瘤分类和诊断SP - 8356294六世- 2016 AB -脑部肿瘤早期检测和诊断是至关重要的诊所。因此分割的主要肿瘤区域需要准确、高效和健壮。在本文中,我们提出一个自动脑瘤分割方法基于卷积神经网络(cnn)。传统cnn只关注局部特性和忽视全局区域特性,这对像素分类和识别都是重要的。此外,大脑肿瘤可以出现在任何地方,任何大小和形状的病人。我们设计一个three-stream框架称为多尺度cnn零售业可以自动检测最优尺度图像的大小和组合来自不同尺度的信息像素周围的地区。基准数据集提供的多通道脑肿瘤图像分割(小鬼)由MICCAI 2013都用于训练和测试。设计多尺度cnn框架还结合了多通道特性从T1, T1-enhanced, T2,和天赋MRI图像。相比传统的cnn和最好的两个方法在2012年和2013年的后代,我们的框架显示脑肿瘤的进步分割的准确性和鲁棒性。SN - 1748 - 670 - 2016/8356294 / 10.1155 x你——https://doi.org/10.1155/2016/8356294——摩根富林明——计算和数学方法在医学PB - Hindawi出版公司KW - ER