在深度学习模型中,通过基于遗传算法的特征选择来优化中风检测
Gouri Sankar Nayak1,2, Pradeep Kumar Mallick2, Dhaneshwar Prasad Sahu1
1Department of Artificial Intelligence and Data Science, Vignan's Institute of Information Technology (VIIT), Visakhapatnam, India.
Applied neuropsychology. Adult
|June 14, 2025
概括
遗传算法增强了深度学习模型,通过神经成像改善了脑中风检测. 带有GA的MobileNetV2实现了97.21%的准确性,提供了高效的实时临床部署潜力.
科学领域:
- 医学成像分析 医学成像分析
- 医疗保健中的人工智能
- 计算神经科学是一种神经科学.
背景情况:
- 脑中风是全球死亡和残疾的主要原因之一.
- 准确和高效的诊断模型对于及时干预至关重要.
- 目前的诊断方法可能耗时或缺乏精度.
研究的目的:
- 通过深度学习模型提高中风检测准确度.
- 调查基于遗传算法 (GA) 的特征选择的有效性.
- 为了比较InceptionV3,VGG19和MobileNetV2对于中风分类的性能.
主要方法:
- 使用神经成像数据分类为"正常"或"中风".
- 用基因算法 (GA) 来优化特征选择.
- 选择的功能被输入到InceptionV3,VGG19和MobileNetV2深度学习模型中.
主要成果:
- 整合GA提高了分类准确性,降低了计算复杂性.
- 移动NetV2实现了最高准确率的97.21%.
- 精度,回忆,F1得分和ROC曲线证实了模型的有效性.
结论:
- 基于GA的特征选择显著提高了基于深度学习的中风医疗图像分类.
- 优化了GA的MobileNetV2,由于其效率,显示了对实时临床中风诊断的希望.
- 这种方法提供了一种新且有效的策略,用于在紧急情况下可靠地检测中风.
