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 程序设计语言 操作系统
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
王小乐完成签到 ,获得积分10
刚刚
NexusExplorer应助不熬夜采纳,获得10
1秒前
euphoria发布了新的文献求助10
2秒前
天天快乐应助囚徒采纳,获得10
3秒前
追寻安柏发布了新的文献求助10
3秒前
4秒前
汉堡包应助aaaaaa采纳,获得10
5秒前
枯木逢春发布了新的文献求助10
5秒前
6秒前
6秒前
枯木逢生i完成签到,获得积分20
7秒前
Vxfhfdhkcds完成签到 ,获得积分10
7秒前
英勇的寒蕾完成签到 ,获得积分10
8秒前
Marco发布了新的文献求助10
9秒前
直率的凌香完成签到,获得积分10
9秒前
Gcole发布了新的文献求助10
9秒前
pluto应助独特绣连采纳,获得10
10秒前
青春梦完成签到 ,获得积分10
10秒前
玩命的竺完成签到 ,获得积分10
10秒前
左手树完成签到,获得积分10
12秒前
追寻安柏完成签到,获得积分10
13秒前
13秒前
14秒前
刘文武发布了新的文献求助10
16秒前
神经哇发布了新的文献求助30
17秒前
18秒前
euphoria发布了新的文献求助10
18秒前
笨笨的弱发布了新的文献求助10
19秒前
guo发布了新的文献求助10
20秒前
22秒前
赘婿应助yoyo采纳,获得10
23秒前
星辰大海应助刘文武采纳,获得10
24秒前
Dkakxncnsksl发布了新的文献求助10
25秒前
25秒前
温迪完成签到,获得积分20
26秒前
31秒前
Marco完成签到,获得积分10
32秒前
32秒前
33秒前
ephore应助笨笨的弱采纳,获得100
35秒前
高分求助中
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Gerard de Lairesse : an artist between stage and studio 500
Digging and Dealing in Eighteenth-Century Rome 500
Queer Politics in Times of New Authoritarianisms: Popular Culture in South Asia 500
Livre et militantisme : La Cité éditeur 1958-1967 500
Retention of title in secured transactions law from a creditor's perspective: A comparative analysis of selected (non-)functional approaches 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 3061897
求助须知:如何正确求助?哪些是违规求助? 2716949
关于积分的说明 7452165
捐赠科研通 2362913
什么是DOI,文献DOI怎么找? 1252481
科研通“疑难数据库(出版商)”最低求助积分说明 608036
版权声明 596550