Integrating Preprocessing Methods and Convolutional Neural Networks for Effective Tumor Detection in Medical Imaging

要約

この研究では、畳み込みニューラル ネットワーク (CNN) を使用した医療画像内の腫瘍検出のための機械学習アプローチを紹介します。
この研究では、腫瘍検出に関連する画像の特徴を強化するための前処理技術に焦点を当て、その後、正確な分類のための CNN モデルの開発とトレーニングを行っています。
ガウス平滑化、バイラテラル フィルタリング、K 平均法クラスタリングなどのさまざまな画像処理技術を使用して、入力画像を前処理し、腫瘍領域を強調表示します。
CNN モデルは、モデルの一般化を強化するために利用される拡張機能とデータ ジェネレーターを使用して、医療画像のデータセットでトレーニングおよび評価されます。
実験結果は、医療画像内の腫瘍を正確に検出する際の提案されたアプローチの有効性を実証し、医療における診断ツールの改善への道を切り開きます。

要約(オリジナル)

This research presents a machine-learning approach for tumor detection in medical images using convolutional neural networks (CNNs). The study focuses on preprocessing techniques to enhance image features relevant to tumor detection, followed by developing and training a CNN model for accurate classification. Various image processing techniques, including Gaussian smoothing, bilateral filtering, and K-means clustering, are employed to preprocess the input images and highlight tumor regions. The CNN model is trained and evaluated on a dataset of medical images, with augmentation and data generators utilized to enhance model generalization. Experimental results demonstrate the effectiveness of the proposed approach in accurately detecting tumors in medical images, paving the way for improved diagnostic tools in healthcare.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google