TY -的A2 -李,Xingwang盟——Shukla总裁Kumar AU - Zakariah,默罕默德盟——Hatamleh宗派Atef盟——Tarazi胡珊盟——女子,巴桑特节PY - 2022 DA - 2022/02/01 TI - AI-DRIVEN肝癌筛查和预测新方法充分利用级联卷积神经网络SP - 4277436六世- 2022 AB -在实验分析和计算机辅助设计维持方案中,肝脏和肝损伤细胞的分割一个自动化的方法是一个重要的步骤来进行生物标志物特征实验研究分析和计算机辅助设计支撑方案。患者患者,病变类型取决于大小的变化,成像设备(如设置不同的方法),及病变的时间,所有这些都是不同的。与实用方法,很难确定肝癌的阶段划分的基础上损伤模式。基于训练准确率,目前的算法在某些领域面临许多障碍。建议工作提出了一个系统自动检测肝脏肿瘤和病变的腹部磁共振成像图片用三维仿射不变量和形状参数化方法,以及这项研究的结果。这种点对点的参数化地址相关的常见问题与凹表面通过建立标准模型水平器官表面的整个建模过程。最初,测地线活动轮廓分析方法用于分离肝脏区域与身体的其他部位。建议如下:可以减少错误率在培训业务,这是完全使用级联卷积神经网络(CFCNs)使用的输入分割肿瘤区域。肝脏分割可能有助于减少错误率在训练过程。的阶段分析数据集,这是由训练和测试图片,用于发现和验证其有效性。 The accuracy attained by the Cascaded Fully Convolutional Neural Network (CFCN) for the liver tumour analysis is 94.21 percent, with a calculation time of less than 90 seconds per volume for the liver tumour analysis. The results of the trials show that the total accuracy rate of the training and testing procedure is 93.85 percent in the various volumes of 3DIRCAD datasets tested. SN - 2040-2295 UR - https://doi.org/10.1155/2022/4277436 DO - 10.1155/2022/4277436 JF - Journal of Healthcare Engineering PB - Hindawi KW - ER -