结合CNN与人工蜂群优化方法,使用SVM分类器对食道癌症阶段进行分类
A Chempak Kumar1, D Muhammad Noorul Mubarak1
1Department of Computer Science, University of Kerala, Trivandrum, Kerala, India.
Journal of X-ray science and technology
|November 19, 2023
概括
一个新的深度学习网络准确地检测食道癌 (EC) 和它的阶段. 这种计算机辅助诊断 (CAD) 系统达到97.76%的准确性,改善了早期检测和患者的治疗结果.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 食道癌 (EC) 由于其侵袭性质和发病率上升而构成重大全球健康挑战.
- 对于临床医生来说,早期诊断EC仍然很困难,需要先进的诊断工具.
研究的目的:
- 开发和验证一种新的计算机辅助诊断 (CAD) 网络,用于检测食道癌症 (EC) 和分类其阶段.
- 通过先进的机器学习技术,提高EC诊断的准确性和效率.
主要方法:
- 一个集成多个卷积神经网络 (CNN) 的深度学习网络,包括Xception,Mobilenetv2,GoogleLeNet和Darknet53,用于从内镜图像中提取特征.
- 使用人工蜂群 (ABC) 优化来选择特征,以及多类支持矢量机 (SVM) 来分类EC和巴雷特食道阶段.
主要成果:
- 拟议的多CNN网络使用三重交叉验证实现了97.76%的高整体分类准确性.
- 综合模型在EC分析和阶段分类方面表现优于预先训练的个人网络.
结论:
- 开发的深度学习网络,集成多CNN,ABC优化和多SVM,为食道癌分析和阶段分类提供了更有效的方法.
- 这种先进的CAD系统在克服早期EC检测的挑战和提高诊断准确度方面表现有前途.
