• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of online engineering >Early Lung Cancer Detection using Deep Learning Optimization
【24h】

Early Lung Cancer Detection using Deep Learning Optimization

机译：利用深度学习优化的早期肺癌检测

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 proposes a Computer Aided Detection (CADe) system for early detection of lung nodules from low dose computed tomography (LDCT) images. The proposed system initially pre-process the raw data to improve the contrast of the low dose images. Compact deep learning features are then extracted by investigating different deep learning architectures, including Alex, VGG16, and VGG19 networks. To optimize the extracted set of features, a genetic algorithm (GA) is trained to select the most relevant features for early detection. Finally, different types of classifiers are tested in order to accurately detect the lung nodules. The system is tested on 320 LDCT images from 50 different subjects, using an online public lung database, i.e., the International Early Lung Cancer Action Project, I-ELCAP. The proposed system, using VGG19 architecture and SVM classifier, achieves the best detection accuracy of 96.25%, sensitivity of 97.5%, and specificity of 95%. Compared to other state-of-the-art methods, the proposed system shows a promising results.
机译：本文提出了一种计算机辅助检测（CADE）系统，用于早期检测低剂量计算断层扫描（LDCT）图像的肺结节。所提出的系统最初预先处理原始数据以改善低剂量图像的对比度。然后通过调查不同的深度学习架构，包括Alex，VGG16和VGG19网络，然后提取紧凑的深度学习功能。为了优化提取的特征集，训练遗传算法（GA）以选择最相关的特征以进行早期检测。最后，测试了不同类型的分类器，以便准确地检测肺结节。使用在线公共肺部数据库，即国际早期的肺癌动作项目，I-Elcap，在50个不同的受试者的320 LDCT图像上测试系统。所提出的系统，使用VGG19架构和SVM分类器，实现了96.25％的最佳检测精度，灵敏度为97.5％，特异性为95％。与其他最先进的方法相比，建议的系统显示了有希望的结果。

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