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
This research introduces an improved method for identifying colorectal tumors through a combination of deep convolutional neural networks (CNNs), transfer learning, and sophisticated image processing techniques used on histopathological images. The suggested ensemble-based on ResNet50 and enhanced with a dual attention mechanism-surpasses individual model architectures by enhancing both accuracy and interpretability, allowing the model to emphasize crucial tissue areas pertinent to diagnosis. Segmentation techniques, such as watershed and distance transform, are utilized to define tumor margins and possible lesion regions. The dataset, obtained from Kather et al. (2019), includes 5,000 histopathological images spanning eight unique categories (tumor, stroma, complex, lymph, debris, mucosa, adipose, empty). The experimental findings demonstrate impressive results, achieving a training accuracy of 98.74%, a validation accuracy of 94.35%, an F1-score of 0.94, a recall of 0.94, a precision of 0.95, a specificity of 0.96, and a Cohen's kappa score of 0.9354, signifying outstanding inter-class consensus. These results showcase the model's strength across different class distributions and emphasize its possible clinical value in aiding the early identification and management of colorectal cancer.
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
