机构名称：
¥ 1.0
E. Saraswathi a、S.Kalaiarasi b 和 A. Sharmila Agnal ca,c 印度钦奈 SRM 科学技术学院计算机科学与工程系助理教授 b 研究学者/CSE，Saveetha 工程学院 文章历史： 收到日期：2021 年 1 月 10 日；修订日期：2021 年 2 月 12 日；接受日期：2021 年 3 月 27 日；在线发表日期：2021 年 4 月 20 日 _____________________________________________________________________________________________________ 摘要：在当今世界，不仅成人、儿童、青少年患有不同的疾病，而且尚未出生的婴儿也患有各种异常。我们听到很多案例，孩子出生时就患有某种残疾，由于发现和治疗残疾的延迟，残疾变成了永久性的。每千名妇女中，就有三名怀上了异常孩子。如果我们以某种方式在胎儿阶段检测到孩子的异常并据此进行手术和用药，那么就可以非常有效和高效地治疗异常。我们的论文讨论了使用各种深度学习技术和算法检测和分类胎儿大脑异常的相同概念。之前也有类似的研究，但其他人使用的技术包括机器学习，它有一些缺点，可以使用深度学习技术解决。深度学习比机器学习更高效、更有优势。在我们的检测方法中，我们借助 MRI（磁共振成像）技术首先捕捉胎儿的大脑图像。然后我们执行各种预处理步骤来提取 ROI（感兴趣区域）。然后我们使用特征提取和缩减技术来获得更清晰、更详细的胎儿图像。我们将图像与正常的胎儿大脑图像进行比较，以对异常进行分类和检测。我们使用深度学习技术的 CNN（卷积神经网络）分类器算法来实现高水平的准确性。 CNN 算法优于机器学习技术的 k 均值聚类和 SVM 分类器算法。我们的工作显示出比以前的模型更高的准确性，我们未来的工作将涉及增加分类和数据。关键词：MR 图像、CNN 分类器、胎儿脑、DWT、预处理、分割。
胎儿脑异常的识别和分类
主要关键词
相关文件推荐
