SVMVGGNet-16:一种基于机器和深度学习的新型方法,用于使用SVM和VGGNet-16组合检测肺癌
Mohd Munazzer Ansari1, Shailendra Kumar1, Md Belal Bin Heyat2
1Department of Electronic and Communication Engineering, Integral University, Lucknow, India.
Current medical imaging
|January 8, 2025
概括
这项研究引入了一种混合SVMVGGNet-16模型,用于准确检测肺癌. 该模型在分类肺癌类型方面表现出很高的性能,提高了诊断准确度,以获得更好的患者结果.
科学领域:
- 医疗成像医学成像
- 在瘤学中使用人工智能
- 计算病理学计算病理学
背景情况:
- 肺癌是全球主要的健康问题,推动了改善早期检测的需求.
- 精确的肺癌亚型分类对于有效的治疗计划至关重要.
研究的目的:
- 开发和评估一个混合支持向量机 (SVM) 和VGGNet-16卷积神经网络 (CNN) 模型,用于增强肺癌检测.
- 将四种不同的肺癌类型分类为:腺癌 (ADC),大细胞癌 (LCC),正常组织和状细胞癌 (SCC).
主要方法:
- 使用LIDC-IDRI数据集进行图像分析.
- 预处理的图像使用中位过和直方图平衡.
- 分段瘤和提取的几何特征.
- 使用VGGNet-16用于特征提取和SVM用于混合SVMVGGNet-16模型中的分类.
主要成果:
- SVMVGGNet-16模型实现了高性能指标,包括97.22%的训练精度和96.72%的测试精度.
- 在训练和测试阶段都取得了出色的AUC,回忆,精度和F1分,证明了强大的分类能力.
- 在肺癌分类的准确性和可靠性方面表现优于单个VGGNet-16和SVM模型.
结论:
- SVMVGGNet-16混合模型显示了改善肺癌诊断性能的巨大潜力.
- 这种模型所促进的早期和准确的检测可以带来更好的治疗结果.
- 未来的研究将专注于模型改进,数据集扩展和临床集成以实现实际应用.
关键词:
在这里,我们可以看到AIAIAI.生物成像 - 生物成像癌症 癌症 癌症 癌症深度学习是一种深度学习.诊断 诊断 诊断 诊断 诊断疾病 疾病 疾病医疗保健 医疗保健 医疗保健 医疗保健图像的分类图像的分类.医疗情报. 医学情报.医疗机器学习 医疗机器学习
