Medical Image Classification Using Transfer Learning and Chaos Game Optimization on the Internet of Medical Things

要約

医療モノのインターネット (IoMT) は、患者や医師があらゆる地域からアクセスできるため、医療専門家に劇的な恩恵をもたらしました。
IoMT では黒色腫や白血病などの病気の自動検出と予測がまだ研究されていますが、既存のアプローチでは高い効率を達成できません。
したがって、より良い結果が得られる新しいアプローチがあれば、患者はより早期に適切な治療を受けられるようになり、死亡率は低下するでしょう。
したがって、このホワイトペーパーでは、どこでも使用できる、つまりユビキタスなアプローチである医療画像分類のための IoMT 提案を紹介します。
これは 2 段階で設計されました。まず、特徴抽出に転移学習 (TL) ベースの手法を採用します。これは MobileNetV3 を使用して実行されます。
2 番目に、不要な機能を排除し、IoMT の鍵となるパフォーマンスを向上させることを目的として、機能の選択にカオス ゲーム最適化 (CGO) を使用します。
私たちの方法論は、ISIC-2016、PH2、および Blood-Cell データセットを使用して評価されました。
実験結果は、提案されたアプローチが ISIC-2016 で 88.39%、PH2 で 97.52%、および血球で 88.79% の精度を獲得したことを示しました。
さらに、私たちのアプローチは、他の既存の方法と比較して、採用されたメトリックに関して成功したパフォーマンスを示しました。

要約(オリジナル)

The Internet of Medical Things (IoMT) has dramatically benefited medical professionals that patients and physicians can access from all regions. Although the automatic detection and prediction of diseases such as melanoma and leukemia is still being researched and studied in IoMT, existing approaches are not able to achieve a high degree of efficiency. Thus, with a new approach that provides better results, patients would access the adequate treatments earlier and the death rate would be reduced. Therefore, this paper introduces an IoMT proposal for medical images classification that may be used anywhere, i.e. it is an ubiquitous approach. It was design in two stages: first, we employ a Transfer Learning (TL)-based method for feature extraction, which is carried out using MobileNetV3; second, we use the Chaos Game Optimization (CGO) for feature selection, with the aim of excluding unnecessary features and improving the performance, which is key in IoMT. Our methodology was evaluated using ISIC-2016, PH2, and Blood-Cell datasets. The experimental results indicated that the proposed approach obtained an accuracy of 88.39% on ISIC-2016, 97.52% on PH2, and 88.79% on Blood-cell. Moreover, our approach had successful performances for the metrics employed compared to other existing methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google