Breast cancer detection from thermal images using a Grunwald-Letnikov-aided Dragonfly algorithm-based deep feature selection method

计算机科学 人工智能 算法 乳腺癌 深度学习 特征选择 特征(语言学) 启发式 机器学习 模式识别(心理学) 癌症 医学 语言学 内科学 哲学
作者
Somnath Chatterjee,Shreya Biswas,Arindam Majee,Shibaprasad Sen,Diego Oliva,Ram Sarkar
出处
期刊:Computers in Biology and Medicine [Elsevier]
卷期号:141: 105027-105027 被引量:25
标识
DOI:10.1016/j.compbiomed.2021.105027
摘要

Breast cancer is one of the deadliest diseases in women and its incidence is growing at an alarming rate. However, early detection of this disease can be life-saving. The rapid development of deep learning techniques has generated a great deal of interest in the medical imaging field. Researchers around the world are working on developing breast cancer detection methods using medical imaging. In the present work, we have proposed a two-stage model for breast cancer detection using thermographic images. Firstly, features are extracted from images using a deep learning model, called VGG16. To select the optimal subset of features, we use a meta-heuristic algorithm called the Dragonfly Algorithm (DA) in the second step. To improve the performance of the DA, a memory-based version of DA is proposed using the Grunwald-Letnikov (GL) method. The proposed two-stage framework has been evaluated on a publicly available standard dataset called DMR-IR. The proposed model efficiently filters out non-essential features and had 100% diagnostic accuracy on the standard dataset, with 82% fewer features compared to the VGG16 model.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
zzz发布了新的文献求助20
1秒前
1秒前
iNk应助zhu采纳,获得10
2秒前
3秒前
hht关注了科研通微信公众号
5秒前
春待完成签到,获得积分10
5秒前
苹果哲瀚发布了新的文献求助10
5秒前
5秒前
6秒前
iccce发布了新的文献求助10
6秒前
华仔应助123123采纳,获得10
8秒前
libingxuan完成签到,获得积分20
8秒前
魔幻绮兰完成签到,获得积分20
8秒前
易安完成签到,获得积分10
9秒前
9秒前
星辰大海应助aa采纳,获得10
12秒前
13秒前
wzzzzzy完成签到,获得积分10
13秒前
镜之边缘完成签到,获得积分10
13秒前
14秒前
Karry发布了新的文献求助10
14秒前
15秒前
个性的紫菜应助little_island采纳,获得10
16秒前
16秒前
16秒前
汉堡包应助吃颗糖吧采纳,获得10
16秒前
16秒前
科研通AI2S应助魔幻绮兰采纳,获得10
16秒前
17秒前
科研通AI2S应助嗨嗨采纳,获得10
17秒前
852发布了新的文献求助10
18秒前
徐叽钰给梦里谢谢你来过的求助进行了留言
18秒前
冷艳薯片发布了新的文献求助10
19秒前
19秒前
19秒前
小二郎应助谨慎达采纳,获得10
20秒前
美好芳发布了新的文献求助10
20秒前
20秒前
鄢廷芮发布了新的文献求助10
22秒前
weiwei发布了新的文献求助10
22秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3140624
求助须知:如何正确求助?哪些是违规求助? 2791434
关于积分的说明 7798983
捐赠科研通 2447824
什么是DOI,文献DOI怎么找? 1302046
科研通“疑难数据库(出版商)”最低求助积分说明 626434
版权声明 601194