DenseNet_HybWWoA:一种基于DenseNet的脑转移分类,使用混合的元启发性特征选择策略
1Information Systems Department, College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University (IMSIU), Riyadh 11432, Saudi Arabia.
Biomedicines
|May 27, 2023
概括
这项研究引入了一种新的AI方法,用于使用混合鱼和水波优化算法 (HybWWoA) 和DenseNet.Net进行脑瘤分类. 这种新的方法在识别大脑转移方面取得了很高的准确性,提高了诊断能力.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 大脑转移 (BM) 是癌症的严重并发症,通常来自肺部,乳腺或黑色素瘤.
- 目前对BM的诊断和治疗选择存在局限性,这凸显了需要改进方法的需要.
- 磁共振成像 (MRI) 对于检测大脑瘤至关重要,但面临着特殊性的挑战.
研究的目的:
- 开发一种用于分类脑瘤,特别是脑转移的新方法.
- 通过先进的计算技术,提高脑瘤识别的准确性和效率.
主要方法:
- 一种混合优化算法,即混合鱼和水波优化算法 (HybWWoA),被开发来减少特征尺寸.
- 在最终的脑瘤分类中使用了DenseNet算法.
- HybWWoA算法集成了鱼优化和水波优化原则.
主要成果:
- 拟议的方法在分类脑瘤方面表现出很高的性能.
- 获得了97%的F1得分,准确度,精度和回忆率分别为92.1%,98.5%和92.1%.
- 该算法有效地减少了特征大小,有助于精确的瘤分类.
结论:
- 这种新的人工智能驱动的方法显著提高了脑瘤分类的准确性.
- 这种方法为大脑转移的诊断能力提供了有希望的进步.
- 混合鱼和水波优化算法与DenseNet相结合,在医学图像分析中显示出卓越的性能.
更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.9K
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K
