使用深度卷积神经网络进行足部骨折诊断,该神经网络由极端学习机器和增强的雪除优化器优化
1College of Modern Education Technology, College of Yiyang Normal, Yiyang, 413000, Hunan, China.
Scientific reports
|November 18, 2024
概括
这项研究引入了一种新的混合深度学习和元启发方法,用于诊断足骨折. 新的ZFNet/ELM/ESAO模型在识别足骨折方面表现出高效率.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 整形外科 整形外科 整形外科
背景情况:
- 足部骨折带来了诊断方面的挑战.
- 准确和有效的诊断对于有效的治疗至关重要.
- 现有的方法可能在准确性或速度上有局限性.
研究的目的:
- 提出一种新的混合方法来诊断脚部骨折.
- 开发一个高效的深度学习和元启发模型用于足骨折检测.
- 为了提高足骨折诊断的准确性和效率.
主要方法:
- 这是一种混合方法,结合了深度学习 (预训练的ZFNet) 和元启发学 (增强的雪除优化器 - ESAO).
- 在ZFNet的最后层集成极端学习机器 (ELM).
- 优化ELM组件使用ESAO开发的元启发学.
- 在标准机构审查委员会 (IRB) 基准数据集上的应用和验证.
主要成果:
- 拟议的ZFNet/ELM/ESAO模型在诊断脚部骨折方面表现出高效率.
- 对比分析显示了与DT/KNN,LDA,FRCNN,TL-ECNN和DCNN/LSTM等方法相比具有竞争力或优异的性能.
- 混合方法有效地提取特征并对足骨折进行分类.
结论:
- 基于ZFNet/ELM/ESAO的模型是足骨折诊断的有效工具.
- 混合方法提供了一个有希望的医疗成像在骨科条件的进步.
- 这种方法可以显著帮助临床医生在足骨折的准确和及时诊断.
