SUN'IY INTELLEKT TIZIMIDAGI MACHINE LEARNING METODOLOGIYASIDAN FOYDALANIB PROSTATA SARATONINI ANIQLASH

Авторы

Ключевые слова: Yolov, Gleason, Super Speed Dual Pixel, Convolutional Neyron Networks, Nikon eclipse

Аннотация

В этой статье было протестировано множество методов, основанных на машинном обучении и глубоком обучении. В частности, многие алгоритмы, такие как R-CNN, Fast R-CNN, Faster R-CNN, SSD и Yolov, которые представляют собой алгоритмы обнаружения объектов общего назначения, основанные на глубоком обучении, были оценены с точки зрения операционной производительности, обнаружения и классификации точность. В результате оценок алгоритм Yolov был выбран как наиболее подходящий для автоматической диагностической системы, к которой мы стремимся в этом исследовании. Потому что видно, что с алгоритмом Yolov были достигнуты лучшие результаты с точки зрения скорости обработки изображений и точности по сравнению с его аналогами.

Библиографические ссылки

1. Gleason D.F. Automatic grading of prostate cancer in digitized histopathology images: Learning from multiple experts, Medical Image Analysis 50 (3) (1966) 125-128. [2] J. Ma, 2.

2. Yu G. Regularized twin minimax probability machine for pattern classification and regression, Engineering Applications of Artificial Intelligence 107 (2022) 104550. doi:https://doi.org/10.1016/j. engappai.2021.104550. [3]

3. Zibakhsh A., Abadeh M.S., Gene selection for cancer tumor detection using a novel memetic algorithm with a multi-view fitness function, Engineering Applications of Artificial Intelligence 26 (4) (2013) 1274–1281. doi:https://doi.org/10.1016/j.engappai. 2012.12.009. [4] E. Okur,

4. Turkan M. A survey on automated melanoma detection, Engineering Applications of Artificial Intelligence 73 (2018) 50–67. doi: https://doi.org/10.1016/j.engappai.2018.04.028. [5]

5. Egevad L., Ahmad A., Algaba F., Berney D., Boccon-Gibod L., Comprat E., Evans A., Griffiths D., Grobholz R., Kristiansen G., Langner C., Lopez-Beltran A., Montironi R., Moss S., Oliveira P., Vainer B., Varma M., Camparo P. Standardization of gleason grading among 337 european pathologists, Histopathology 62 (2013) 247–256. doi:10. 1111/his.12008.