Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

30.12.2017 | Sonderheft 1/2019

Cluster Computing 1/2019

An efficient categorization of liver cirrhosis using convolution neural networks for health informatics

Zeitschrift:
Cluster Computing > Sonderheft 1/2019
Autoren:
R. Suganya, S. Rajaram

Abstract

Accurate categorization of cirrhosis liver image in ultrasound modality is of great importance in medical diagnosis and treatment. Health informatics is important as it provides quick predictions on diseases based on nearness of symptoms. Modelling solutions for the same on cloud using deep learning is the motivation of this paper. Here, we propose a deep learning model associated with correlation based feature selection method for cirrhosis image classification. We compare the results with three other conventional classifiers algorithms to improve the better classification accuracy. First in pre-processing stage, noises are eliminated from pathological scan images by using modified laplacian pyramid non-linear diffusion filter. From the pre-processed scan images, each cirrhosis region is obtained under the guidance of radiology or physicians. Then, after extracting the complete features of each patch by gray level, local binary pattern and scale invariant feature, a feature selection technique is applied to choice the predominant texture features for each classifier. Finally a convolution neural network is implemented to improve the performance of classifiers in terms of sensitivity, specificity and accuracy. Convolution neural network algorithm with two hidden layers gives more accuracy in classifying cirrhosis image with 98% sensitivity. Experiments are carried out with 990 cirrhosis image patches which demonstrates that our proposed deep learning classifier perform 100% well than original classifiers in terms of accuracy.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Sonderheft 1/2019

Cluster Computing 1/2019 Zur Ausgabe

Premium Partner

    Bildnachweise