自动双向加权集成算法及其在脑肿瘤检测与分类中的应用
机器学习
2024-04-02 v1 人工智能
计算机视觉与模式识别
摘要
脑细胞不受控制且无结构的生长被称为脑肿瘤，其在所有类型的癌症中死亡率最高。由于诊断和治疗能力有限，它们构成了重大挑战，特别是在第三世界国家。早期诊断在有效管理脑肿瘤和降低死亡率方面起着至关重要的作用。然而，诊断方法的可用性受到各种限制的阻碍，包括高昂的成本和漫长的结果获取时间，阻碍了该疾病的早期检测。在本研究中，我们提出了两种前沿的双向加权投票集成模型，旨在提高加权集成方法的有效性。这两种提出的方法结合了多个分类器的分类结果，并在第一种方法中通过选择具有最高概率的结果来确定最优结果，在第二种方法中通过最高加权预测来确定最优结果。这些方法显著提高了加权集成技术的整体性能。在第一种提出的方法中，我们通过引入一种新颖的无监督权重计算模式来改进软投票技术，以增强其权重分配能力，这被称为扩展软投票技术（ESVT）。其次，我们利用所提出的 UWCS 提出了一种新颖的加权方法（NWM）。我们的两种方法都结合了三个不同的模型：一个定制的 CNN、VGG-16 和 InceptionResNetV2，它们在公开可用的数据集上进行了训练。我们通过盲测评估了所提系统的有效性，并取得了优异的结果。随后，我们将所提方法的性能与 SVT 进行了对比分析，以展示其优越性和有效性。
引用
@article{arxiv.2404.00576,
title = {Automated Bi-Fold Weighted Ensemble Algorithms and its Application to Brain Tumor Detection and Classification},
author = {PoTsang B. Huang and Muhammad Rizwan and Mehboob Ali},
journal= {arXiv preprint arXiv:2404.00576},
year = {2024}
}