Saltar para:
Logótipo
Comuta visibilidade da coluna esquerda
Você está em: Início > Publicações > Visualização > Classification of mice hepatic granuloma microscopic images based on a deep convolutional neural network
Mapa das Instalações
Edifício Principal | Main Building Edifício Pós-Graduações | Post-Graduate Building

Classification of mice hepatic granuloma microscopic images based on a deep convolutional neural network

Título
Classification of mice hepatic granuloma microscopic images based on a deep convolutional neural network
Tipo
Artigo em Revista Científica Internacional
Ano
2019-01
Autores
Yu Wang
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Yating Chen
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Ningning Yan
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Longfei Zheng
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Nilanjan Dey
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Amira S. Ashour
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
V. Rajinikanth
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
João Manuel R. S. Tavares
(Autor)
FEUP
Fuqian Shi
(Autor)
Outra
A pessoa não pertence à instituição. A pessoa não pertence à instituição. A pessoa não pertence à instituição. Sem AUTHENTICUS Sem ORCID
Revista
Vol. 74
Páginas: 40-50
ISSN: 1568-4946
Editora: Elsevier
Indexação
Classificação Científica
CORDIS: Ciências Tecnológicas ; Ciências da Saúde
Outras Informações
ID Authenticus: P-00P-SCD
Resumo (PT):
Abstract (EN): Hepatic granuloma develops in the early stage of liver cirrhosis which can seriously injury liver health. At present, the assessment of medical microscopic images is necessary for various diseases and the exploiting of artificial intelligence technology to assist pathology doctors in pre-diagnosis is the trend of future medical development. In this article, we try to classify mice liver microscopic images of normal, granuloma-fibrosis 1 and granuloma-fibrosis2, using convolutional neural networks (CNNs) and two conventional machine learning methods: support vector machine (SVM) and random forest (RF). On account of the included small dataset of 30 mice liver microscopic images, the proposed work included a preprocessing stage to deal with the problem of insufficient image number, which included the cropping of the original microscopic images to small patches, and the disorderly recombination after cropping and labeling the cropped patches In addition, recognizable texture features are extracted and selected using gray the level co-occurrence matrix (GLCM), local binary pattern (LBP) and Pearson correlation coefficient (PCC), respectively. The results established a classification accuracy of 82.78% of the proposed CNN based classifiers to classify 3 types of images. In addition, the confusion matrix figures out that the accuracy of the classification results using the proposed CNNs based classifiers for the normal class, granuloma-fibrosisl, and granuloma-fibrosis2 were 92.5%, 76.67%, and 79.17%, respectively. The comparative study of the proposed CNN based classifier and the SVM and RF proved the superiority of the CNNs showing its promising performance for clinical cases.
Idioma: Inglês
Tipo (Avaliação Docente): Científica
Nº de páginas: 11
Documentos
Nome do Ficheiro Descrição Tamanho
paper 1st Page 178.79 KB
ASOC-D-18-02084 Paper draft 1145.36 KB
Publicações Relacionadas

Das mesmas áreas científicas

Dispositivo para medir força e energia musculares (2015)
Patente
Manuel Rodrigues Quintas; Maria Teresa Restivo; Bruno Santos; Carlos Moreira Da Silva; Tiago Faustino Andrade
Dispositivo para aquisição e processamento de dados para determinação de massa corporal (2009)
Patente
Mendes, J.; Restivo, M.T.; Amaral, Teresa; Chousal, M.F.; Quintas. M.R.
Device for measuring skinfold thickness (2015)
Patente
Manuel Rodrigues Quintas; Carlos Moreira da Silva; Tiago Faustino Andrade; Maria Teresa Restivo; Maria de Fátima Chouzal; Amaral, Teresa
Voriconazole loaded chitosan nanoparticles as novel drug delivery system for the localized management of bone infection (2024)
Poster em Conferência Internacional
Ferraz, MP; Miguel Zegre; Joana Barros; Ana Bettencourt; Lídia Caetano; Liliana Gonçalves; B. David
Flavonoids and Omega-3 fatty acid-loaded lipid nanocarriers as promising antimicrobial biofilm strategies (2024)
Poster em Conferência Internacional
Ferraz, MP; Ana Beatriz Pereira; Mariana Terroso; Carla Martins Lopes; Marlene Lúcio

Ver todas (96)

Da mesma revista

Novelty detection for multi-label stream classification under extreme verification latency (2023)
Artigo em Revista Científica Internacional
Costa, JD; Júnior; Faria, ER; João Gama; Gama, J; Cerri, R
Improving a simulated soccer team's performance through a Memory-Based Collaborative Filtering approach (2014)
Artigo em Revista Científica Internacional
Pedro Henriques Abreu; Daniel Castro Silva; Fernando Almeida; João Mendes-Moreira
Heuristics for online three-dimensional packing problems and algorithm selection framework for semi-online with full look-ahead (2024)
Artigo em Revista Científica Internacional
Ali, S; Ramos, AG; Maria Antónia Carravilla; José Fernando Oliveira
Glass container production scheduling through hybrid multi-population based evolutionary algorithm (2013)
Artigo em Revista Científica Internacional
toledo, cfm; arantes, md; de oliveira, rrr; almada-lobo, b

Ver todas (8)

Recomendar Página Voltar ao Topo
Copyright 1996-2024 © Faculdade de Economia da Universidade do Porto  I Termos e Condições  I Acessibilidade  I Índice A-Z  I Livro de Visitas
Página gerada em: 2024-11-01 às 23:50:33 | Política de Utilização Aceitável | Política de Proteção de Dados Pessoais | Denúncias
SAMA2