El diagnóstico preciso de las imágenes cerebrales patológicas es importante para el cuidado de los pacientes, especialmente en la fase inicial de la enfermedad. Aunque numerosos estudios han utilizado técnicas de aprendizaje automático para el diagnóstico asistido por ordenador (CAD) del cerebro patológico, los métodos anteriores se enfrentaron a retos en cuanto a la eficacia del diagnóstico debido a las deficiencias en la elección de técnicas de filtrado adecuadas, biomarcadores de neuroimagen y modelos de aprendizaje limitados. Las imágenes de resonancia magnética (RM) son capaces de proporcionar información mejorada sobre los tejidos blandos, por lo que las imágenes de RM se incluyen en el enfoque propuesto. En este estudio, proponemos un nuevo modelo que incluye el filtrado Wiener para la reducción del ruido, la transformada wavelet 2D-discreta (2D-DWT) para la extracción de características, el análisis probabilístico de componentes principales (PPCA) para la reducción de la dimensionalidad, y un clasificador de subespacio aleatorio (RSE) junto con el algoritmo K-próximo (KNN) como clasificador base para clasificar las imágenes cerebrales como patológicas o normales. Los métodos propuestos proporcionan una mejora significativa en los resultados de clasificación en comparación con otros estudios. Sobre la base de una validación cruzada (CV) de 5×5, el método propuesto supera a 21 algoritmos del estado de la técnica en términos de precisión de la clasificación, sensibilidad y especificidad para los cuatro conjuntos de datos utilizados en el estudio.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Metodología para la evaluación del comportamiento térmico de fachadas homogéneas en edificios patrimoniales
Artículo:
Nanotubos de carbono : aplicaciones comerciales actuales y futuras
Artículo:
Registro no rígido de la RM ponderada por difusión de próstata
Artículo:
Detección de la fatiga del conductor basada en redes neuronales convolucionales utilizando EM-CNN
Artículo:
Estimación de la posición basada en celdas de cuadrícula y en un mapa autoorganizativo de crecimiento automático
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
Estudio sobre la migración global de materiales plásticos de empaque usados en la industria de alimentos
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala