TY -的A2 Bhattacharya丝薇AU - Reddy, a Mallikarjuna AU - Reddy, k . s . AU -, m . AU - Venkata玛哈•拉克希米n . AU - Aluvalu Rajanikanth AU -马赫什,t·r . AU -库马尔,诉Vinoth盟——斯大林Alex, d . PY - 2022 DA - 2022/11/08 TI -一个高效的多级心脏图像分割的阈值方案使用混合广义对抗网络SP - 4093658六世- 2022 AB -全球大多数人,无论他们的年龄,正遭受巨大的心脏骤停。检测心脏病早期,许多研究人员在临床工作PubMed和UCI数据集收集来自不同开源数据集库。然而,大多数的这些数据集收集了近13 - 147原始属性文本格式和实现传统的数据挖掘方法。传统的机器学习方法分析数据从图像中提取,但提取机制是低效率的,它需要更多的资源。本文研究的作者提出了一个系统,旨在预测心脏病发作,将计算机视觉技术和深度学习方法从临床收集的心脏图像实验室,公开在KAGGLE存储库。作者收集住心脏的图像通过物联网传感器扫描图像。主要的重点是提高心脏图像的质量和数量通过两个甘受欢迎的组件。GAN介绍噪声的图像,并试图复制实时场景。随后,可用的和新创建的图像分割采用多级阈值操作找到感兴趣的地区。这个步骤可以帮助系统来预测准确的考虑各种因素的攻击速度。 Earlier researchers have obtained sound accuracy by generating similar heart images and found the ROI parts of the 2D echo images. The proposed methodology has achieved an accuracy of 97.33% and a 90.97% true-positive rate. The reason for selecting the computed tomography (CT-SCAN) images is due to the gray scale images giving more reliable information at a low computational cost. SN - 1687-725X UR - https://doi.org/10.1155/2022/4093658 DO - 10.1155/2022/4093658 JF - Journal of Sensors PB - Hindawi KW - ER -