RISS 학술연구정보서비스

검색
다국어 입력

http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.

변환된 중국어를 복사하여 사용하시면 됩니다.

예시)
  • 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
  • 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
닫기
    인기검색어 순위 펼치기

    RISS 인기검색어

      Detection and classification of breast cancer from digital mammograms using hybrid extreme learning machine classifier

      한글로보기

      https://www.riss.kr/link?id=O111446902

      • 저자
      • 발행기관
      • 학술지명
      • 권호사항
      • 발행연도

        2021년

      • 작성언어

        -

      • Print ISSN

        0899-9457

      • Online ISSN

        1098-1098

      • 등재정보

        SCIE;SCOPUS

      • 자료형태

        학술저널

      • 수록면

        909-920   [※수록면이 p5 이하이면, Review, Columns, Editor's Note, Abstract 등일 경우가 있습니다.]

      • 구독기관
        • 전북대학교 중앙도서관  
        • 성균관대학교 중앙학술정보관  
        • 부산대학교 중앙도서관  
        • 전남대학교 중앙도서관  
        • 제주대학교 중앙도서관  
        • 중앙대학교 서울캠퍼스 중앙도서관  
        • 인천대학교 학산도서관  
        • 숙명여자대학교 중앙도서관  
        • 서강대학교 로욜라중앙도서관  
        • 계명대학교 동산도서관  
        • 충남대학교 중앙도서관  
        • 한양대학교 백남학술정보관  
        • 이화여자대학교 중앙도서관  
        • 고려대학교 도서관  
      • 0

        상세조회
      • 0

        다운로드
      서지정보 열기
      • 내보내기
      • 내책장담기
      • 공유하기
      • 오류접수

      부가정보

      다국어 초록 (Multilingual Abstract)

      Breast imaging technique called mammography has gained bigger attention among the researchers for the diagnosis of breast malignancy in the woman. Mammogram screening is the most effective procedure to visualize various potential problems in the breas...

      Breast imaging technique called mammography has gained bigger attention among the researchers for the diagnosis of breast malignancy in the woman. Mammogram screening is the most effective procedure to visualize various potential problems in the breast. The two most common features connected with breast tumors are mass lesions and microcalcification. The collection of suitable image preprocessing, segmentation, feature extraction, selection and prediction algorithms play an essential role in the accurate detection and classification of cancer on mammograms. Classification techniques estimate unlabeled datasets class labeling depending on its similarity to the pattern learned. The Glowworm Swarm Optimization(GSO) algorithm is ideal for finding several solutions, and dissimilar or equivalent objective function values at the same time. This feature of GSO is useful for optimizing the feature set obtained from multiscale feature extraction procedures. Poor performance in generalization is the issue that arises due to the unconditioned output matrix of the hidden stage of the ELM classifier. The optimization algorithms will address this matter because of their global search capabilities. This article suggests ELM with the Fruitfly Optimization Algorithm (ELM‐FOA) along with GSO to regulate the input weight to achieve maximal performance at the hidden node of the ELM. The testing precision and sensitivity of GSO‐ELM‐FOA are 100% and 97.91%, respectively. The system developed will detect the calcifications and tumors with an accuracy of 99.15%.

      더보기

      동일학술지(권/호) 다른 논문

      분석정보

      View

      상세정보조회

      0

      Usage

      원문다운로드

      0

      대출신청

      0

      복사신청

      0

      EDDS신청

      0

      동일 주제 내 활용도 TOP

      더보기

      이 자료와 함께 이용한 RISS 자료

      나만을 위한 추천자료

      해외이동버튼