• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>4th International Symposium on Bioelectronics and Bioinformatics >Microvascular morphological type recognition using trainable feature extractor
【24h】

Microvascular morphological type recognition using trainable feature extractor

机译：使用可训练特征提取器的微血管形态类型识别

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper focuses on the problem of feature extraction and the classification task of microvascular morphological type to aid esophageal cancer detection. A specialized convolutional neural network (CNN) is designed to extract hierarchical features and Support Vector Machines (SVMs) are introduced to enhance the generalization ability of classifiers. Experiments are conducted on the NBI-ME dataset, achieving a recognition rate of 88.19% on patch level. The results show that the CNN-SVM model beats models of traditional features with SVM as well as the original CNN with softmax. The synthesis results indicate this system is able to assist clinical diagnose to a certain extent.
机译：本文着重于特征提取问题和微血管形态学类型的分类任务，以协助食道癌的检测。设计了专门的卷积神经网络（CNN）来提取层次特征，并引入了支持向量机（SVM）来增强分类器的泛化能力。在NBI-ME数据集上进行了实验，在补丁级别上达到了88.19％的识别率。结果表明，CNN-SVM模型优于具有SVM的传统特征模型以及具有softmax的原始CNN。综合结果表明，该系统能够在一定程度上辅助临床诊断。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号