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.
초록·키워드
Brain MRI scans are vital for identifying stroke types, which is essential for quick and effective treatment. This study introduces a simple yet powerful machine learning method to categorize MRI images as Normal, Haemorrhagic (bleeding), or Ischemic (clot-related) strokes. The approach uses a technique called Histogram of Oriented Gradients (HOG) to identify key features in the images. To address an imbalance where some stroke types appear less frequently, a method called SMOTE was used to balance the data. Finally, a Support Vector Machine (SVM), adjusted for class importance, was employed for classification. The model performed exceptionally well, achieving an overall accuracy of 97%. It also showed strong performance across all stroke types. This method works well even with limited data and doesn't require extensive computing power, making it ideal for clinical settings, especially those with fewer resources. This highlights the ongoing value of traditional machine learning for medical image analysis.
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
