ஸ்டெம் செல் ஆராய்ச்சி மற்றும் சிகிச்சை இதழ்

சுருக்கம்

மார்பக அல்ட்ராசவுண்ட் படங்களிலிருந்து தீங்கற்ற மற்றும் வீரியம் மிக்க கட்டிகளின் கன்வல்யூஷனல் நியூரல் நெட்வொர்க் அடிப்படையிலான வகைப்பாடு

தெலகரபு பிரபாகர்

மார்பக புற்றுநோயைக் கண்டறிவதற்கான பரவலாகப் பயன்படுத்தப்படும் முறை மார்பக அல்ட்ராசவுண்ட் (BUS) இமேஜிங் ஆகும், ஆனால்
கதிரியக்க நிபுணரின் அனுபவத்தின் அடிப்படையில் விளக்கம் மாறுபடும். இப்போது CAD அமைப்புகள்
BUS பட வகைப்பாடு தொடர்பான தகவல்களை வழங்க உள்ளன. இருப்பினும், பெரும்பாலான CAD அமைப்புகள் கைவினைத்திறன் அம்சங்களை அடிப்படையாகக் கொண்டவை. அவை
கட்டிகளை வகைப்படுத்த வடிவமைக்கப்பட்டுள்ளன. எனவே, இந்த அம்சங்களின் திறன் CAD அமைப்பின் துல்லியத்தை தீர்மானிக்கும்
, இது கட்டிகளை தீங்கற்ற மற்றும் வீரியம் மிக்கதாக வகைப்படுத்த பயன்படுகிறது. Convolutional Neural Network (CNN) தொழில்நுட்பத்தைப் பயன்படுத்தி
, BUS படங்களின் வகைப்பாட்டை மேம்படுத்தலாம். இது வகைப்பாடு மற்றும் பொதுமைப்படுத்தக்கூடிய படப் பிரதிநிதித்துவத்திற்கான புதிய அணுகுமுறையை வழங்குவதால்
, இதன் விளைவாக சிறந்த துல்லியத்தைப் பெற முடியும். ஆனால், BUS படத்தின் தரவுத்தளமானது
சிறிய அளவில் இருப்பதால், CNNகள் புதிதாகப் பயிற்சியளிக்க முடியாததால் அது கட்டுப்படுத்தப்படலாம். இந்த குறைபாட்டைப் போக்க , BUS பட வகைப்பாடு தொடர்பான
சிறந்த துல்லியத்தை அடைய CNN அணுகுமுறையை செயல்படுத்த, பயன்பாட்டு பரிமாற்ற கற்றல் அணுகுமுறையை நாங்கள் ஆராய்வோம் .
VGG16_TL முறையின் இறுதி முடிவுகள் AlexNet_TL ஐ விட அதிகமாகும். மேலும் இறுதி
முடிவுகள் VGG16_TL ஐ துல்லியம், உணர்திறன், விவரக்குறிப்பு, துல்லியம் மற்றும் F1 மதிப்புகள் முறையே 88.23%, 88.89%, 88.89, 90% மற்றும் 88.2% ஆகியவற்றைக் குறிக்கின்றன
. எனவே, முன் பயிற்சி பெற்ற CNN மாடல்களின் சாத்தியம்
BUS பட வகைப்பாட்டில் நல்ல துல்லியத்தை அடைகிறது என்று கூறலாம் .