10、基于最优支持向量机的脑肿瘤 MRI 图像分类在医疗物联网云环境中的应用

基于最优支持向量机的脑肿瘤 MRI 图像分类在医疗物联网云环境中的应用

一、引言

如今，物联网（IoT）让人类、物体和虚拟环境能够以恰当的方式相互交互。在交通、智能家居、医疗保健等智能平台的数据采集任务中，物联网得到了广泛应用。随着物联网和传感组件的发展，相关研究也日益增多。由于特效药物的增加和全球各类疾病的存在，医疗保健领域需要实现最大程度的发展。为了专注于疾病管理，有必要设计一种模型，利用物联网设备无处不在的传感能力，预测患者患致命疾病的概率。

物联网和云计算相互关联，二者的结合有助于医生持续支持偏远地区的患者。物联网借助虚拟无障碍功能和云资源来平衡存储、处理和能源等技术限制。同时，云通过扩展其处理现实世界事物的范围，从物联网中受益，并以分布式和动态的方式提供多种服务。因此，需要开发一种新的物联网与云相结合的模型，用于医疗领域的新应用和服务。

医疗物联网（IoMT）融合了物联网和医疗保健两个领域。脑肿瘤（BT）在各个阶段都会对人类造成伤害，显著提高了死亡率。肿瘤由聚集的异常细胞组成的多个组织构成，良性脑肿瘤是非癌性的，且不会扩散到附近细胞，但在少数情况下也可能较为严重；恶性脑肿瘤则是癌症，在大脑中产生并迅速扩散到其他区域。磁共振成像（MRI）可快速了解肿瘤的详细信息并评估其扩散速度，需要使用基于机器学习（ML）的分类器模型对大量 MRI 扫描图像进行分类。在设计最优分类模型时，需要考虑检测率和算法复杂度等特征。

目前，通过使用无监督分类器模型（如 FCM 和自组织映射（SOM））以及监督模型（如 k - 近邻（k - NN）、支持向量机（SVM）和人工神经网络（ANN））对脑 MRI 图像进行分类。脑肿瘤的自动分割模型有生成模型和判别模型两种类型，与独立模