• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Global Conference on Life Sciences and Technologies >Chronic Gastritis Detection from Gastric X-ray Images via Deep Autoencoding Gaussian Mixture Models
【24h】

Chronic Gastritis Detection from Gastric X-ray Images via Deep Autoencoding Gaussian Mixture Models

机译：慢性胃炎从胃X射线图像检测通过深度自动化高斯混合模型

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a detection method of chronic gastritis from gastric X-ray images. The conventional method cannot detect chronic gastritis accurately since the number of non-gastritis images is overwhelmingly larger than the number of gastritis images. To deal with this problem, the proposed method performs the detection of chronic gastritis by using Deep Autoencoding Gaussian Mixture Models (DAGMM) which is an anomaly detection approach. DAGMM enables construction of chronic gastritis detection model using only non-gastritis images. In addition, DAGMM is superior to conventional anomaly detection methods since the models of dimensionality reduction and density estimation can be learned simultaneously. Therefore, the proposed method realizes accurate detection of chronic gastritis by utilizing DAGMM.
机译：本文介绍了胃X射线图像慢性胃炎的检测方法。常规方法不能准确地检测慢性胃炎，因为非胃炎图像的数量绝大多数大于胃炎图像的数量。为了解决这个问题，所提出的方法通过使用深度自动编码高斯混合模型（DAGMM）来进行慢性胃炎的检测，这是一种异常检测方法。 DAGMM只使用非胃炎图像构建慢性胃炎检测模型。此外，DAGMM优于常规异常检测方法，因为可以同时学习维度降低和密度估计的模型。因此，所提出的方法通过利用DAGMM实现了准确地检测慢性胃炎。

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