使用基于深度学习技术的优化特征选择,精确检测脑瘤
Praveen Kumar Ramtekkar1, Anjana Pandey1, Mahesh Kumar Pawar1
1University Institute of Technology, Rajiv Gandhi Proudyogiki Vishwavidyalaya, Bhopal, Madhya Pradesh India.
Multimedia tools and applications
|June 26, 2023
概括
这项研究引入了一种优化系统,用于准确检测脑瘤. 这种新的方法利用了深度学习模型和先进的优化技术,实现了98.9%的检测准确性.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 计算神经科学是一种神经科学.
背景情况:
- 大脑瘤是破坏大脑功能,造成严重健康风险的异常生长.
- 及时检测和准确诊断对于有效治疗脑瘤至关重要.
- 目前用于检测脑瘤的方法在准确性和时间效率方面面临挑战.
研究的目的:
- 开发一种新,准确和优化的脑瘤检测系统.
- 为了解决现有的图像处理技术在脑瘤识别方面的局限性.
- 为了提高脑瘤诊断的速度和精度.
主要方法:
- 该系统采用多阶段方法,包括预处理,细分,特征提取,优化和检测.
- 预处理涉及一个复合波器 (高斯式,平均值,中位数).
- 分段使用值和直方图技术,然后使用灰色级别共发生矩阵 (GLCM) 来提取特征.
- 优化的卷积神经网络 (CNN) 与鱼优化和灰狼优化用于特征选择和分类.
主要成果:
- 拟议的系统实现了98.9%的高脑瘤检测准确率.
- 性能与其他优化技术进行了比较,证明了卓越的准确性,精度和回忆.
- 该系统使用Python编程语言实现.
结论:
- 开发的优化CNN系统为大脑瘤检测提供了高度准确和高效的解决方案.
- 这种方法显著推进了神经系统疾病的医学图像分析领域.
- 该系统的高精度表明其在早期脑瘤诊断中具有临床应用的潜力.
