Deep Learning Approach for Predicting Prostate Cancer from MRI Images

深度学习 前列腺癌 人工智能 卷积神经网络 Python(编程语言) 计算机科学 机器学习 医学影像学 软件 癌症 模式识别(心理学) 医学 内科学 操作系统 程序设计语言
作者
C. Chun,Naeem Akhtar,Shaymaa Mohammed Abdulameer,Salama A. Mostafa,Abdulkareem A. Hezam
出处
期刊:JOURNAL OF SOFT COMPUTING AND DATA MINING [Penerbit UTHM]
卷期号:3 (2)
标识
DOI:10.30880/jscdm.2022.03.02.001
摘要

According to medical data, prostate cancer has been one of the most lethal malignancies in recent years. Early detection of prostate cancer significantly influences the tumor's treatability. Image analysis software that operates using a machine learning or deep learning algorithm is one of the techniques utilized to aid in the early and rapid identification of prostate cancer. This paper evaluates the performance of three deep learning Convolutional neural network (CNN) algorithms in detecting prostate cancer. Using Python, three deep learning models, ResNet50, InceptionV3, and VGG16, are subsequently created on the Kaggle platform. These three models have been applied to various medical image diagnostic problems and have won several contests. This study used 620image samples from the Cancer Imaging Archive (TCIA) data source. Accuracy, f1 score, recall, and precision are used to evaluate the performance of the three models. The extracted test results indicate that the VGG16 achieves the highestlevel of accuracy at 95.56percent, followed by the ResNet50 at 86.67percent and the InceptionV3 at 85.56percent.
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
山楂看海完成签到,获得积分10
刚刚
法克西瓜汁完成签到,获得积分10
1秒前
Juan完成签到,获得积分10
2秒前
和谐曼凝完成签到 ,获得积分10
2秒前
3秒前
3秒前
三棱镜完成签到,获得积分10
3秒前
怕孤独的访云完成签到 ,获得积分10
4秒前
AZN完成签到,获得积分10
7秒前
7秒前
大雄发布了新的文献求助10
8秒前
小灰灰完成签到,获得积分10
10秒前
大模型应助Jovial采纳,获得10
11秒前
六仔完成签到,获得积分10
11秒前
墨墨完成签到 ,获得积分10
13秒前
蛋炒饭不加蛋完成签到,获得积分10
14秒前
Bsisoy完成签到,获得积分10
16秒前
16秒前
ngyy完成签到 ,获得积分10
17秒前
20224273完成签到 ,获得积分20
18秒前
21秒前
Jovial发布了新的文献求助10
24秒前
苹果含烟关注了科研通微信公众号
27秒前
朱诗源完成签到 ,获得积分10
28秒前
柚又完成签到 ,获得积分10
29秒前
Mt完成签到,获得积分10
29秒前
橙子abcy完成签到,获得积分10
30秒前
CAS完成签到,获得积分10
30秒前
诺亚方舟哇哈哈完成签到 ,获得积分10
31秒前
凯蒂完成签到,获得积分10
32秒前
33秒前
35秒前
。。。发布了新的文献求助10
36秒前
一个左正蹬完成签到,获得积分10
39秒前
czj完成签到,获得积分10
40秒前
大大蕾完成签到 ,获得积分10
40秒前
梓泽丘墟应助晚风吹起来采纳,获得10
40秒前
王芋圆完成签到,获得积分10
41秒前
苹果含烟发布了新的文献求助10
41秒前
雪落完成签到,获得积分10
44秒前
高分求助中
Evolution 10000
ISSN 2159-8274 EISSN 2159-8290 1000
Becoming: An Introduction to Jung's Concept of Individuation 600
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
PraxisRatgeber: Mantiden: 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 3162519
求助须知:如何正确求助?哪些是违规求助? 2813377
关于积分的说明 7900197
捐赠科研通 2472938
什么是DOI,文献DOI怎么找? 1316595
科研通“疑难数据库(出版商)”最低求助积分说明 631375
版权声明 602175