使用集体模型和改进的BIRCH集群基于细分的恶性黑色素瘤检测
1Department of Computer Science and Engineering, RVS College of Engineering and Technology, Coimbatore, Tamil Nadu, India.
Cancer investigation
|June 9, 2025
概括
这项研究引入了一种用于早期发现黑色素瘤的新型自动化方法,实现了高精度. 这种方法提高了早期诊断,显著降低了这种致命的皮肤癌的患者生命风险.
科学领域:
- 皮肤病学 皮肤病学
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 黑色素瘤是最致命的皮肤癌.
- 由于黑色素瘤与健康皮肤之间的视觉相似性,早期检测具有挑战性.
研究的目的:
- 开发一种用于早期恶性黑色素瘤检测和细分的自动化方法.
- 为了克服黑色素瘤早期诊断的挑战.
主要方法:
- 一个五阶段的策略:增强,预处理 (中位过,图像增强),细分 (IBIRCH算法),特征提取 (颜色,形状,统计,改进的本地文本XOR模式),并使用集体模型 (Bi-LSTM,CNN,DBN) 进行分数级融合的分类.
- 集合模型结合了Bi-LSTM,卷积神经网络 (CNN) 和深信网络 (DBN) 来进行分类.
主要成果:
- 拟议的模型在数据集1上达到97.59%,在数据集2上达到95.32%的卓越准确性.
- 在黑色素瘤检测准确度方面表现优于传统模型.
结论:
- 开发的自动化系统为早期黑色素瘤诊断提供了可靠的方法.
- 提高早期检测能力可以显著降低与黑色素瘤相关的死亡率.
关键词:
伯奇 (Birch) 是一种白树.DBN DBN DBN DBN DBN DBN DBN DBN DBN DBN DBN DBN DBN DBN DBN整体分类的统一分类.功能提取 功能提取黑色素瘤是一种黑色素瘤.更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.3K
05:46Implantation and Evaluation of Melanoma in the Murine Choroid via Optical Coherence Tomography
Published on: December 2, 2022
1.8K
