利用机器学习进而深度学习逼近疟疾感染细胞的生物细胞分类以比较与分析 K 近邻与深度 CNN
计算机视觉与模式识别
2020-05-26 v1 机器学习
图像与视频处理
摘要
疟疾是一种致命疾病，每年夺去数十万人的生命。计算方法已被证明在医疗行业有用，可提供疾病诊断影像分类与识别的有效手段。本文考察了在细胞图像中分类疟疾存在与否这一背景下的不同机器学习方法。众多机器学习方法可应用于同一问题；某一机器学习方法是否更适配该问题，很大程度上取决于问题本身及模型的实现。具体而言，卷积神经网络与 k 近邻均就其应用于疟疾存在分类及各自模型的经验性能进行了分析与对比。此处我们实现两种分类模型：一个卷积神经网络，以及 k 近邻算法。这两种算法基于验证准确率进行比较。在我们的实现中，CNN (95%) 比 kNN (75%) 表现优 25%。
引用
@article{arxiv.2005.11417,
title = {Approaching Bio Cellular Classification for Malaria Infected Cells Using Machine Learning and then Deep Learning to compare & analyze K-Nearest Neighbours and Deep CNNs},
author = {Rishabh Malhotra and Dhron Joshi and Ku Young Shin},
journal= {arXiv preprint arXiv:2005.11417},
year = {2020}
}
备注
7 Pages