ExpHBA深度物联网:在物联网医疗保健系统中,指数级蜂蜜子优化了深度学习以检测乳腺癌
R Rajeswari1, G V Sriramakrishnan2, Ch Vidyadhari3
1Department of Electronics and Communication Engineering, Rajalakshmi Institute of Technology, Chennai, India. rajimaniphd@gmail.com.
Journal of digital imaging
|July 25, 2023
概括
这项研究介绍了一种基于指数 Honey Badger 优化的深卷积神经网络 (基于 EHBO 的 DCNN),用于早期发现乳腺癌. 这种新方法显著提高了准确性,有助于及时诊断和治疗.
科学领域:
- 医疗信息学 医疗信息学
- 医疗保健中的人工智能
- 在瘤学瘤学.
背景情况:
- 乳腺癌 (BC) 是全球女性的主要健康问题.
- 早期发现BC对于降低死亡率和改善治疗结果至关重要.
研究的目的:
- 开发一种先进的深度学习模型,用于早期识别乳腺癌.
- 利用物联网 (IoT) 进行高效的医疗数据处理和分类.
主要方法:
- 开发了一种混合指数 Honey Badger 优化 (EHBO) 算法,将 Honey Badger 优化 (HBO) 和指数加权移动平均 (EWMA) 结合起来.
- 使用EHBO来选择最佳集群头,将医疗数据传输到基站进行BC分类.
- 提取了统计和纹理特征,然后使用深度卷积神经网络 (DCNN) 进行数据增强和分类.
主要成果:
- 基于EHBO的DCNN实现了高性能,测试准确度,灵敏度和特异性分别为0.9051,0.8971和0.9029.
- 与多层感知器 (MLP),深度学习,支持矢量机器 (SVM) 和基于集体的分类器相比,提出的方法显示出更高的准确性.
结论:
- 基于EHBO的DCNN为准确和早期发现乳腺癌提供了一种有前途的方法.
- 在物联网框架中将EHBO与DCNN集成,提高了乳腺癌的诊断能力.
