对胃肠道异常的优化算法的比较分析,基于集成XcepNet23和ResNet18特征的识别和分类
Javeria Naz1, Muhammad Imran Sharif1, Muhammad Irfan Sharif2
1Department of Computer Science, COMSATS University Islamabad, Wah Campus, Wah 47040, Pakistan.
Biomedicines
|June 28, 2023
概括
这项研究引入了一种新的混合方法来诊断胃肠道疾病,显著提高准确性,并帮助早期治疗减少死亡率. 这种先进的技术增强了图像分析,以更有效地检测疾病.
科学领域:
- 医疗成像医学成像
- 人工智能在医学中的应用
- 胃肠病学 胃肠病学
背景情况:
- 胃肠道疾病是死亡的主要原因,传统的诊断方法耗时.
- 准确和早期诊断对于有效治疗和降低死亡率至关重要.
研究的目的:
- 为准确诊断胃肠道异常提出混合方法.
- 促进早期治疗,降低与这些疾病相关的死亡率.
主要方法:
- 该研究使用了数据集增强,预处理和特征工程 (提取,融合,优化).
- 图像增强使用混合对比拉伸;通过转移学习 (ResNet18,XcepNet23) 提取深度特征并与纹理特征相结合.
- 使用二进制龙算法 (BDA),火焰优化 (MFO) 和粒子群优化 (PSO) 的功能优化.
主要成果:
- 拟议的方法在混合 (5类) 和Kvasir-V1 (8类) 数据集上都取得了卓越的准确性.
- 方位支向量机 (Q_SVM) 在混合数据集上达到100%的准确性,在Kvasir-V1数据集上达到99.24%的准确性.
- 结果表明,与最近的方法相比,混合方法的有效性更高.
结论:
- 开发的混合方法为诊断胃肠道异常提供了一个有希望的,高度准确的解决方案.
- 这种方法可以显著帮助早期检测和治疗,可能降低死亡率.
- 深度学习,纹理功能和高级优化算法的集成证明了其有效性.
