Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

23.05.2018 | Original Article | Ausgabe 6/2019

International Journal of Machine Learning and Cybernetics 6/2019

Local receptive field based extreme learning machine with three channels for histopathological image classification

Zeitschrift:
International Journal of Machine Learning and Cybernetics > Ausgabe 6/2019
Autoren:
Jing Fang, Xinying Xu, Huaping Liu, Fuchun Sun

Abstract

The classification of histopathological images is a challenging task in the study of real-life medicine owing to the diverse geometrical structures and different histology features. This paper proposes a framework called Local Receptive Field based Extreme Learning Machine with Three Channels (3C-LRF-ELM), which can automatically extract histopathological features to diagnose whether there is a disease. We conduct experiments on the real-world image dataset that consists of mammalian lung, kidney and spleen organ images provided by the animal diagnostics lab (ADL) Pennsylvania State University. The training sets are consisted of overlapping blocks which are randomly extracted from arbitrary 40 images of each type image in the ADL dataset. The remaining images are equally divided into 850 blocks, and then they are given to the model 3C-LRF-ELM to generate the labels. The final label of each image is defined by the optimal threshold \(\alpha\). The 3C-LRF-ELM can be single layer network or multi-layer network. In this paper, considering the computational complexity, we choose the single layer 3C-LRF-ELM and two layers 3C-LRF-ELM structure to analyze the influence of the number of layers on the experimental results. The experimental results show that the single layer 3C-LRF-ELM structure is better than two layers 3C-LRF-ELM. Compared to the Discriminative Feature-oriented Dictionary Learning, the single layer 3C-LRF-ELM has a better classification performance.

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 Ausgabe 6/2019

International Journal of Machine Learning and Cybernetics 6/2019 Zur Ausgabe