인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 저자정보
피인용 0
초록·키워드
Ovarian cysts pose a serious health risk to women of all ages and backgrounds all around the globe. In medical diagnosis, distinction of ovaries affected by cysts from the normal ovaries through ultrasound images is a crucial task. Nowadays, deep learning models have emerged as effective tools for classification tasks in the field of medical imaging. This paper employs Residual Network (ResNet), EfficientNet, Densely connected Network (DenseNet) and Visual Geometry Group (VGG) models that have depicted impressive performance in automating the classification process. The efficacy of the models in detecting the existence of ovarian cysts is assessed by the performance standards, namely accuracy, precision, recall, specificity, f1-score and area under receiver operating curve. DenseNet-169 has proved to be the best deep learning model for precise and efficient classification of ovarian cysts with accuracy 99.78% in ultrasound images. This research contributes a major milestone in the classification of cystic ovaries from normal ovaries and henceforth, leads in the advancement of diagnostic capabilities in the field of ovarian pathology.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-094305374
