检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

1 篇 会议

馆藏范围

1 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

1 篇 工学
- 1 篇 电气工程
- 1 篇 电子科学与技术（可...
- 1 篇 信息与通信工程
- 1 篇 控制科学与工程
- 1 篇 计算机科学与技术...
- 1 篇 软件工程
1 篇 管理学
- 1 篇 管理科学与工程(可...
- 1 篇 图书情报与档案管...

主题

1 篇 recurrent neural...
1 篇 endoscopic image...
1 篇 artificial plant...
1 篇 multi-scale para...
1 篇 convolutional ne...
1 篇 gastric cancer

机构

1 篇 dept.of cse
1 篇 nitte meenakshi ...
1 篇 dayananda sagar ...
1 篇 university of th...

作者

1 篇 priyanka m.s.
1 篇 padthe adithya
1 篇 mathapati mahant...
1 篇 nandihal priya

语言

1 篇 英文

检索条件"主题词=Multi-scale parallel convolution blocks"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

APOA based multi-scale parallel convolution blocks with Hybrid Deep Learning for Gastric Cancer Prediction from Endoscopic Images 1

APOA based Multi-scale Parallel Convolution Blocks with Hybr...

引用

1st IEEE International Conference on Ambient Intelligence, Knowledge Informatics and Industrial Electronics, AIKIIE 2023

作者： Padthe, Adithya Mathapati, Mahantesh Priyanka, M.S. Nandihal, Priya University of the Cumberlands Department of Information Technology United States Dept.of Cse India Nitte Meenakshi Institute of Technology Dept. of Aiml Bengaluru India Dayananda Sagar Academy of Technology and Management Dept of Computer Science and Engineering Bangalore India

ISBN: (纸本)9798350316469

In terms of mortality rates, gastric cancer is second only to lung cancer. Manual gastric slice pathology examination is labor-intensive and prone to observer bias. Endoscopy of the upper digestive tract is commonly used for the screening of gastric cancer. An object identification model, a kind of deep learning, was presented as a means of automating the diagnosis of early stomach cancer using endoscopic pictures. However, difficulties were encountered while attempting to reduce the sum of false positives in the identified findings. Tumour segmentation from the preprocessed pictures was carried out in this study, which is often more challenging and crucial. The research suggests a productive approach that makes use of multi-scale parallel convolution blocks (MPCs). multi-scale parallel convolutions (MPCs) use filters of variable sizes to extract characteristics that are relevant across a range of tumour sizes. To further aid feature extraction with fewer parameters, residual connections and residual blocks can be used. In addition, the suggested study uses an Artificial plant optimisation algorithm (APOA) to fine-tune the segmentation model's parameters without resorting to post-processing approaches. Finally, gastric cancer detection from endoscopic pictures is accomplished using a hybrid classification strategy that incorporates convolutional Neural Network (CNN) and Recurrent Neural Network (RNN). Experiments employing 1208 photos from healthy people and 533 photographs from patients with stomach cancer examined detection performance using the 5-fold cross-validation approach. These findings show promise for the suggested method's application in automated early stomach cancer diagnosis using endoscopic images. © 2023 IEEE.

关键词： Artificial plant optimization algorithm convolutional Neural Network Endoscopic images Gastric cancer multi-scale parallel convolution blocks Recurrent Neural Network

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：