Intelligent Deep Residual Network based Brain Tumor Detection and Classification

Kartheeban, K.; Kalyani, Kapula; Bommavaram, Sai Krishna; Rohatgi, Divya; Kathiravan, Mathur Nadarajan; Saravanan, S.

doi:10.1109/icacrs55517.2022.10029146

Cited by 2 publications

(1 citation statement)

References 21 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…ResNet modeli, özellik çıkarıcı olarak kullanılırken, çok katmanlı algılayıcı (MLP) modülü sınıflandırma işleminde kullanılmaktadır. Yöntemin performansı deneysel bir doğrulama süreci ile değerlendirilmiş ve geliştirilmiş sonuçlar elde edilmiştir (Kartheeban et al, 2022).…”

unclassified

Gauss Filtreleme ve ResNET50 Modeli Kullanılarak Beyin Tümörlerinin Sınıflandırılması

ERÇELİK,

HANBAY

2023

JCS

View full text Add to dashboard Cite

Beyin tümörleri, dünya genelinde önemli bir halk sağlığı sorunu olarak karşımıza çıkmaktadır. Beyin tümörünün erken teşhisi tedavi süreci için kritik bir öneme sahiptir. Son yıllarda, bilgisayar ortamında derin öğrenme modellerinin kullanımı, beyin tümörü teşhisi ve sınıflandırılmasında önemli bir ilerleme sağlamıştır. Bu modeller farklı görüntüleme modellerinden elde edilen verileri birleştirerek yüksek doğruluk oranları ve güvenilir sonuçlar sağlayabilir. Bu çalışmada beyin tümörlerinin sınıflandırılması için MR (manyetik rezonans) görüntüleri kullanılarak Resnet50 derin öğrenme mimarisi üzerinde çalışma gerçekleştirilmiştir. Beyin görüntülerindeki olumsuzlukları azaltmak için Gauss filtreleme işlemi uygulanmıştır. Böylece yüksek oranda doğruluk değerine ulaşarak hastalığın erken teşhisini sağlayıp yorucu ve zaman alıcı teşhis süreçlerini otomatikleştirilmesine katkı sunulmuştur. Bu sayede tümör teşhisleri daha hızlı ve daha tutarlı bir şekilde yapılabilir.

show abstract

unclassified