检索结果-南通市图书馆

Automated Deep Learning Empowered Breast Cancer Diagnosis UsingBiomedical Mammogram Images

Computers, Materials & Continua 2022年第6期71卷 4221-4235页

作者： JoséEscorcia-Gutierrez Romany F.Mansour Kelvin Belen Javier Jiménez-Cabas Meglys Pérez Natasha Madera Kevin Velasquez Electronics and Telecommunications Engineering Program Universidad Autónoma del CaribeBarranquilla08001Colombia Department of Mathematics Faculty of ScienceNew Valley UniversityEl-Kharga72511Egypt Mechatronics Engineering Program Universidad Autónoma del CaribeBarranquilla08001Colombia Department of Computational Science and Electronic Universidad de la CostaCUCBarranquilla08001Colombia

Biomedical image processing is a hot research topic which helps to majorly assist the disease diagnostic *** the same time,breast cancer becomes the deadliest disease among women and can be detected by the use of different imaging *** mammograms can be used for the earlier identification and diagnostic of breast cancer to minimize the death *** the proper identification of breast cancer has mainly relied on the mammography findings and results to increased false *** resolving the issues of false positives of breast cancer diagnosis,this paper presents an automated deep learning based breast cancer diagnosis(ADL-BCD)model using digital *** goal of the ADL-BCD technique is to properly detect the existence of breast lesions using digital *** proposed model involves Gaussian filter based pre-processing and Tsallis entropy based image *** addition,Deep Convolutional Neural Network based Residual Network(resnet 34)is applied for feature extraction ***,a hyper parameter tuning process using chimp optimization algorithm(COA)is applied to tune the parameters involved in resnet 34 *** wavelet neural network(WNN)is used for the classification of digital mammograms for the detection of breast *** ADL-BCD method is evaluated using a benchmark dataset and the results are analyzed under several performance *** simulation outcome indicated that the ADL-BCD model outperforms the state of art methods in terms of different measures.

关键词： Breast cancer digital mammograms deep learning wavelet neural network resnet 34 disease diagnosis

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

Transformer与卷积神经网络相结合的皮肤镜图像自动分割算法

引用

计算机辅助设计与图形学学报 2022年第12期34卷 1877-1886页

作者：韦春苗徐岩蒋新辉魏一铭兰州交通大学电子与信息工程学院兰州730700 柳州铁道职业技术学院人工智能学院柳州545616

皮肤镜图像的病灶区域与背景像素相似度高,且病灶存在形状多样,边缘模糊,人工或毛发遮挡等情况,为了获得更高精度的皮肤病变分割,提出了一种皮肤镜图像自动分割算法.首先,使用resnet 34提取多种分辨率特征,在上下文部分使用Transformer... 详细信息

皮肤镜图像的病灶区域与背景像素相似度高,且病灶存在形状多样,边缘模糊,人工或毛发遮挡等情况,为了获得更高精度的皮肤病变分割,提出了一种皮肤镜图像自动分割算法.首先,使用resnet 34提取多种分辨率特征,在上下文部分使用Transformer模块对输入的特征进行全局建模;其次,通过混合池化模块聚合上下文特征的多尺度信息,在对应连接编解码器的跳跃连接间设计一个高效卷积模块以提高跳跃路径的边缘细化和抗干扰能力;最后,利用解码器恢复图像分辨率,并逐层融合其他浅层分辨率特征,利用Focal Loss函数改善难分割目标的精度.文中算法在ISIC2017,ISIC2018数据集上获得的Dice系数、准确率、Jaccard指数、灵敏度得分分别为88.83%,94.77%,81.43%,88.49%和89.46%,94.50%,82.56%,94.62%,与其他算法相比具有一定的优势,证明了该算法的有效性.

关键词： Transformer 混合池 resnet 34 高效卷积模块

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：