Рассмотрена проблема классификации опухолей головного мозга по медицинским МРТ-изображениям. Для ее решения разработаны гибридные нечеткие сверточные нейронные сети (CNN), в которых сверточные сети VGG-16 и ResNetV2_50 были использованы для извлечения признаков изображения, а нечеткая нейронная сеть ANFIS — в качестве классификатора. Разработаны алгоритмы обучения гибридных сетей. Проведены экспериментальные исследования предложенных гибридных сетей на стандартном датасете МРТ-изображений головного мозга и сравнения результатов с известными альтернативными структурами сверточных сетей.

Розглянуто проблему класифікації пухлин головного мозку по МРТ- зображеннях. Для її вирішення розроблено гібридні нечіткі згорткові нейронні мережі, у яких згорткові мережі CNN VGG-16 і ResNetV2_50 використані для екстракції ознак зображень, а нечітка нейронна мережа ANFIS — як класифікатор пухлин. Розроблено алгоритми навчання гібридних мереж. Виконано експериментальні дослідження запропонованих гібридних мереж на стандартному датасеті МРТ-зображень головного мозку і порівняння результатів з відомими альтернативними структурами згорткових мереж.

The problem of classification of brain tumors on medical images is considered. For its solution hybrid CNN-ANFIS is developed in which convolutional neural network VGG-16 and ResNetV2_50 are used as feature extractors while ANFIS is used as the classifier. Training algorithms of ANFIS were implemented. The experimental investigations of the suggested hybrid network on the standard dataset Brain MRI images for brain tumor detection were carried out and comparison with known results was performed.