El reconocimiento de la malignidad del melanoma es una tarea difcil debido a la existencia de similitud intraclase, artefactos naturales o clnicos, variacin del contraste de la piel y mayor similitud visual entre la piel normal y la afectada por el melanoma. Para superar estos problemas, proponemos una solucin novedosa aprovechando la red neuronal convolucional de regin extrema para el reconocimiento de la malignidad del melanoma como maligno o benigno. En trabajos recientes sobre el reconocimiento de tumores malignos de melanoma se han empleado las tcnicas tradicionales de aprendizaje automtico basadas en diversas caractersticas elaboradas a mano o la recientemente introducida red CNN. Sin embargo, el entrenamiento eficiente de estos modelos es posible si localizan la regin afectada por el melanoma y aprenden la representacin de caractersticas de alto nivel de la lesin de melanoma para predecir la malignidad del melanoma. En este artculo, incorporamos esta observacin y proponemos una nueva red neuronal convolucional regin-extrema para el reconocimiento de la malignidad del melanoma. Nuestra red neuronal convolucional regin-extrema propuesta refina las imgenes de dermatoscopia para eliminar artefactos naturales o clnicos, localiza la regin afectada por el melanoma y define los lmites precisos alrededor de la lesin de melanoma. La lesin de melanoma definida se utiliza para generar mapas de caractersticas profundas para el aprendizaje de modelos utilizando el clasificador de mquina de aprendizaje extremo (ELM). El modelo propuesto se evala en dos conjuntos de datos de desafo (ISIC-2016 e ISIC-2017) y obtiene mejores resultados que los ganadores del desafo ISIC. Nuestra red neuronal convolucional de regin extrema reconoce la malignidad del melanoma en un 85% en ISIC-2016 y en un 93% en ISIC-2017. Nuestra red neuronal convolucional regin-extrema segmenta con precisin la lesin de melanoma con un ndice Jaccard medio de 0,93 y una puntuacin Dice de 0,94. La red neuronal convolucional regin-extrema tiene varias ventajas: elimina los artefactos clnicos y naturales de las imgenes dermatoscpicas, localiza y segmenta con precisin la lesin de melanoma y mejora el reconocimiento de la malignidad del melanoma mediante el aprendizaje de modelos feedforward. La red neuronal convolucional regin-extrema consigue una mejora significativa del rendimiento con respecto a los mtodos existentes, lo que la hace adaptable para resolver problemas complejos de anlisis de imgenes mdicas.
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.
Artículos:
Estabilidad para ecuaciones de diferencia lineales de Volterra en espacios de Banach
Artículos:
Puntos de coincidencia para aplicaciones expansivas bajo la -distancia en espacios métricos cónicos.
Artículos:
Minimización del Tiempo Total Ponderado de Finalización en una Única Máquina con Tiempos de Preparación Dependientes de la Secuencia Pasada y Efectos de Aprendizaje Dependientes del Tiempo y la Posición Exponencial.
Artículos:
Metaheurísticas de Búsqueda Bacteriana-Búsqueda Tabú para la Identificación de un Modelo de Fricción No Lineal
Artículos:
Criterios de estabilidad exponencial robusta de sistemas LPD con retardos mixtos variables en el tiempo y perturbaciones no lineales.
Tesis y Trabajos de grado:
Sistema de costos por órdenes de producción para determinar la rentabilidad de la empresa de lácteos “San Agustín” Cía. Ltda., ubicada en la parroquia de Pintag, provincia de Pichincha
Showroom:
Bombas centrífugas
Norma:
Bombas centrífugas
Artículos:
Comportamiento del aguacate Hass liofilizado durante la operación de rehidratación