Desarrollo de un nuevo algoritmo de clasificación de tumores cerebrales mediante imágenes de resonancia magnética

Abstract

Los científicos sanitarios han determinado que las imágenes de resonancia magnética han sido muy beneficiosas en los últimos tiempos para la investigación del reconocimiento y la identificación precoz de enfermedades cerebrales. Las principales etapas primarias en el análisis de las imágenes de resonancia magnética del cerebro son el preprocesamiento de imágenes, la segmentación, la extracción de características y la clasificación. Entre los procesos cruciales que pueden evaluar lo bien que se pueden clasificar las imágenes de resonancia magnética del cerebro y, en última instancia, la enfermedad que indicarán, se encuentran la extracción de características y la segmentación. En este artículo se describen métodos por etapas. En la primera etapa (etapa de preprocesamiento) se utilizan diferentes filtros, como la mediana, wiener, anisotrópico, medios no locales, así como filtros combinados. En la parte de preprocesamiento, los filtros wiener y anisotrópico combinados dan el mejor resultado. En la segunda etapa (etapa de segmentación), la técnica de umbralización múltiple - algoritmo de búsqueda de cuco utilizado utilizando diferentes funciones objetivas; como; ostu, kapur entropía, tsallis entropía y propuso. En el método propuesto de la etapa de segmentación utilizado cuckoo algoritmo de búsqueda utilizando ostu combinado y tsallis entropía como función objetivo. En la tercera etapa (extracción de características), transformada wavelet discreta utilizada y en la cuarta etapa (clasificación) máquina de vectores soporte utilizado. En cada etapa se comparan los resultados utilizando diferentes parámetros y se obtienen los mejores resultados utilizando el método propuesto.