Jove
Visualize
联系我们

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Large Language Models for Synthetic Dataset Generation of Cybersecurity Indicators of Compromise.

Sensors (Basel, Switzerland)·2025
查看所有相关文章
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jul 12, 2025

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
13:44

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

Published on: August 30, 2013

42.9K

智能乳腺质量分类方法使用阿基米德的优化算法与深度学习在数字乳房造影.

Mohammed Basheri1

  • 1Information Technology Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah 21589, Saudi Arabia.

Biomimetics (Basel, Switzerland)
|October 27, 2023
PubMed
概括

这项研究介绍了一种智能乳腺质量分类方法,使用深度学习和阿基米德优化算法来进行增强的乳房影像分析. BMCA-AOADL技术在检测乳腺癌方面取得了很高的准确性,改善了早期诊断.

科学领域:

  • 医疗成像医学成像
  • 人工智能的人工智能
  • 在瘤学瘤学.

背景情况:

  • 对人类放射科医生来说,通过乳房影像检测乳腺癌 (BC) 是复杂且耗时的过程.
  • 计算机辅助诊断 (CAD) 系统增强了BC分析,但需要进一步提高性能.
  • 深度学习 (DL) 显示了使用卷积神经网络 (CNN) 早期BC检测的希望.

研究的目的:

  • 通过使用阿基米德的优化算法与深度学习 (BMCA-AOADL) 进行智能乳腺质量分类方法,用于数字乳房造影.
  • 通过将DL模型与生物灵感算法集成来增强乳腺质量分类.
  • 提高乳腺癌检测和分类的准确性和效率.

主要方法:

  • 作为预处理步骤,BMCA-AOADL技术使用中位过 (MF) 来消除噪声,并使用U-Net进行细分.
  • 使用SqueezeNet模型进行特征提取,使用阿基米德优化算法 (AOA) 进行超参数调整.
  • 乳腺质量检测和分类是使用深度信念网络 (DBN) 方法实现的.

主要成果:

  • 在MIAS数据集上评估了BMCA-AOADL技术.
  • 与其他DL算法相比,该系统显示出了显著的结果.
关键词:
人工智能的人工智能是人工智能.生物启发的算法是生物启发的算法.乳腺质量 乳腺质量计算机辅助诊断是指计算机辅助的诊断.深度学习是一种深度学习.

更多相关视频

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
15:48

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Published on: December 15, 2014

22.5K
Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
07:15

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

6.8K

相关实验视频

Last Updated: Jul 12, 2025

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns
13:44

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

Published on: August 30, 2013

42.9K
Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging
15:48

Tracking the Mammary Architectural Features and Detecting Breast Cancer with Magnetic Resonance Diffusion Tensor Imaging

Published on: December 15, 2014

22.5K
Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
07:15

Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model

Published on: August 16, 2020

6.8K
  • 获得了96.48%的最大精度,展示了拟议方法的有效性.

    • 结论:

    • 在BMCA-AOADL技术有效地分类乳腺质量在数字乳房影像.
    • 将DL与AOA等生物灵感优化算法集成,可以提高CAD系统的性能.
    • 这项研究强调了先进的人工智能技术在改善早期乳腺癌诊断方面的潜力.