基于加权KNN的MATLAB脑瘤分类代码：brain_tumor_classification

简介：
本项目提供了一种使用MATLAB实现的基于加权K近邻算法（K-Nearest Neighbors）的脑瘤分类方法，旨在提高对医学影像数据中脑瘤识别的准确性。通过引入权重机制优化相似性度量，提升了模型在处理不平衡样本分布时的表现，适用于科研和临床辅助诊断场景。 在本项目中，我们使用卷积神经网络（CNN）对T1加权MR图像中的三种不同类型的脑肿瘤进行分类：胶质瘤、脑膜瘤和垂体肿瘤。为了提升模型的性能，我们在训练过程中采用了数据增强技术，并利用仿射变换及像素级变化来处理医学影像。 在构建我们的CNN时，我们从DenseNet121网络中转移了预训练于ImageNet数据库上的权重以初始化CNN参数。此外，在完成深度学习阶段后，我们还使用支持向量机（SVM）、K近邻算法(KNN)和贝叶斯分类法对CNN的第一个全连接层提取的特征进行进一步分析。 相关Matlab代码文件已存放在名为Matlab_codes的文件夹内。由于GitHub平台对于单个上传文件大小有限制，我们无法直接提供预训练权重文件；若您需要该部分资源，请自行下载并安装使用。若本项目对您的研究工作有所助益，请引用以下文献：Gurkahraman,K.,&Karakis,R.(2021)《利用数据增强技术进行深度学习的脑肿瘤分类》，发表于嘎子大学工程与建筑学院学报，第36卷(2):997-1011页。