文件名称：加权knn代码matlab-braintumor_classification:脑瘤_分类
文件大小：8.09MB
文件格式：ZIP
更新时间：2024-07-02 08:44:35
系统开源
优化knn代码matlab 使用数据增强进行深度学习的脑肿瘤分类 医学图像分类是将数据分成指定数量的类的过程。 在这个项目中，我们的目标是在 T1 加权 MR 图像上使用卷积神经网络 (CNN) 对三种不同的脑肿瘤（胶质瘤、脑膜瘤和垂体）进行分类。 通过从 DenseNet121 网络传输到 CNN 来初始化权重，该网络之前使用 ImageNet 数据集进行训练。 此外，使用仿射和像素级变换对 MR 图像进行数据增强。 从训练后的 CNN 的第一个全连接层获得的特征也通过支持向量机 (DVM)、k 最近邻 (kNN) 和贝叶斯方法进行分类。 Matlab_codes 文件夹中给出了机器学习方法的 Matlab 文件 (*.m)。 我们无法上传经过训练的权重文件，因为 GitHub 上有 100MB 的文件上传限制。 您可以从以下位置下载预训练的权重文件 如果您发现此代码对您的研究有用，请引用此研究。 Gurkahraman, K., & Karakis, R. (2021) 使用数据增强进行深度学习的脑肿瘤分类。 嘎子大学工程与建筑学院学报。 36 (2): 997-1011, . 逐
【文件预览】：
braintumor_classification-main
----brain_tumor_prediction.py(3KB)
----.gitattributes(66B)
----utils()
--------Network.py(4KB)
--------acc.pdf(11KB)
--------acc.png(61KB)
--------loss.png(44KB)
--------Data_Generator.py(3KB)
--------data_handling.py(5KB)
--------metric_utils.py(6KB)
--------__pycache__()
--------loss.pdf(10KB)
----brain_tumor_train.py(6KB)
----Matlab_codes()
--------dataaugmentation.m(3KB)
--------machine_learning_codes()
--------figshare_saveDICOM.m(2KB)
----brain_tumor_featureextraction.py(3KB)
----brain_tumor_savetraintestlist.py(3KB)
----README.md(3KB)
----Dataset_DICOM()
--------Pituitary()
--------Meningioma()
--------Glioma()