Aprendizaje conjunto de múltiples modelos utilizando aprendizaje profundo para clasificación multiclase de imágenes de ultrasonido de masas hepáticas
Autores: Nakata, Norio; Siina, Tsuyoshi
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Aprendizaje conjunto de múltiples modelos utilizando aprendizaje profundo para clasificación multiclase de imágenes de ultrasonido de masas hepáticas
Categoría
Ingeniería y Tecnología
Subcategoría
Bioingeniería
Palabras clave
Ultrasonido
Masas hepáticas
Aprendizaje en conjunto
Red neuronal convolucional
Clasificación de imágenes
Aprendizaje profundo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
La ecografía (US) se usa frecuentemente para diagnosticar masas en el hígado. El aprendizaje en conjunto ha sido comúnmente utilizado recientemente para la clasificación de imágenes, pero sus métodos detallados no están completamente optimizados. El propósito de este estudio es investigar la utilidad y comparación de algunas técnicas de aprendizaje en conjunto y poda en conjunto utilizando múltiples modelos entrenados de redes neuronales convolucionales (CNN) para la clasificación de imágenes de masas hepáticas en imágenes de US.
Descripción
La ecografía (US) se usa frecuentemente para diagnosticar masas en el hígado. El aprendizaje en conjunto ha sido comúnmente utilizado recientemente para la clasificación de imágenes, pero sus métodos detallados no están completamente optimizados. El propósito de este estudio es investigar la utilidad y comparación de algunas técnicas de aprendizaje en conjunto y poda en conjunto utilizando múltiples modelos entrenados de redes neuronales convolucionales (CNN) para la clasificación de imágenes de masas hepáticas en imágenes de US.