این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Nonlinear Analysis and Applications، جلد ۱۲، شماره ۱، صفحات ۶۹۳-۷۰۰
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Cystoscopic image classification by an ensemble of VGG-nets
چکیده انگلیسی مقاله Over the last three decades, artificial intelligence has attracted lots of attentions in medical diagnosis tasks. However, few studies have been presented to assist urologists to diagnose bladder cancer in spite of its high prevalence worldwide. In this paper, a new computer aided diagnosis system is proposed to classify four types of cystoscopic images including malignant masses, benign masses, blood in urine, and normal. The proposed classifier is an ensemble of a well-known type of convolutional neural networks (CNNs) called VGG-Net. To combine the VGG-Nets, bootstrap aggregating approach is used. The proposed ensemble classifier was evaluated on a dataset of 720 images. Based on the experiments, the presented method achieved an accuracy of 63% which outperforms base VGG-Nets and other competing methods.
کلیدواژه‌های انگلیسی مقاله Cystoscopy, Classification, Deep learning, Bootstrap Aggregating MSC 68T10
نویسندگان مقاله Ehsan Kozegar |
Faculty of Technology and Engineering (Eastern Guilan), University of Guilan, Guilan, Iran.

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_4876_84b5959108e6a83053f86305d7229b63.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات