Machine Learning-based Lung and Colon Cancer Detection using Deep Feature Extraction and Ensemble Learning

要約

癌は、遺伝病とさまざまな生化学的異常の組み合わせによって引き起こされる致命的な病気です。
肺がんと結腸がんは、人間の死亡と障害の主な原因の2つとして浮上しています。
このような悪性腫瘍の組織病理学的検出は、通常、最善の行動方針を決定する上で最も重要な要素です。
どちらかの前線での病気の早期発見は、死亡の可能性をかなり減らします。
機械学習と深層学習の手法を利用して、このようながんの検出を高速化できるため、研究者ははるかに短い時間と低コストで多数の患者を研究できます。
この研究では、肺がんと結腸がんを効率的に特定するためのハイブリッドアンサンブル特徴抽出モデルを導入しました。
深い特徴抽出とアンサンブル学習を、がん画像データセットの高性能フィルタリングと統合します。
モデルは、組織病理学的（LC25000）肺および結腸のデータセットで評価されます。
研究結果によると、私たちのハイブリッドモデルは、肺、結腸、および（肺と結腸の）癌をそれぞれ99.05％、100％、および99.30％の正解率で検出できます。
この調査の結果は、提案された戦略が既存のモデルを大幅に上回っていることを示しています。
したがって、これらのモデルは、癌の診断において医師をサポートするために診療所に適用できる可能性があります。

要約(オリジナル)

Cancer is a fatal disease caused by a combination of genetic diseases and a variety of biochemical abnormalities. Lung and colon cancer have emerged as two of the leading causes of death and disability in humans. The histopathological detection of such malignancies is usually the most important component in determining the best course of action. Early detection of the ailment on either front considerably decreases the likelihood of mortality. Machine learning and deep learning techniques can be utilized to speed up such cancer detection, allowing researchers to study a large number of patients in a much shorter amount of time and at a lower cost. In this research work, we introduced a hybrid ensemble feature extraction model to efficiently identify lung and colon cancer. It integrates deep feature extraction and ensemble learning with high-performance filtering for cancer image datasets. The model is evaluated on histopathological (LC25000) lung and colon datasets. According to the study findings, our hybrid model can detect lung, colon, and (lung and colon) cancer with accuracy rates of 99.05%, 100%, and 99.30%, respectively. The study’s findings show that our proposed strategy outperforms existing models significantly. Thus, these models could be applicable in clinics to support the doctor in the diagnosis of cancers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google