izpis_h1_title_alt

Comparing stacking ensemble techniques to improve musculoskeletal fracture image classification
ID Kandel, Ibrahem (Avtor), ID Castelli, Mauro (Avtor), ID Popovič, Aleš (Avtor)

.pdfPDF - Predstavitvena datoteka, prenos (1,12 MB)
MD5: DBF9B6174C0AC646DE026F7905B526F1
URLURL - Predstavitvena datoteka, za dostop obiščite https://www.mdpi.com/2313-433X/7/6/100 Povezava se odpre v novem oknu

Izvleček
Bone fractures are among the main reasons for emergency room admittance and require a rapid response from doctors. Bone fractures can be severe and can lead to permanent disability if not treated correctly and rapidly. Using X-ray imaging in the emergency room to detect fractures is a challenging task that requires an experienced radiologist, a specialist who is not always available. The availability of an automatic tool for image classification can provide a second opinion for doctors operating in the emergency room and reduce the error rate in diagnosis. This study aims to increase the existing state-of-the-art convolutional neural networks' performance by using various ensemble techniques. In this approach, different CNNs (Convolutional Neural Networks) are used to classify the images; rather than choosing the best one, a stacking ensemble provides a more reliable and robust classifier. The ensemble model outperforms the results of individual CNNs by an average of 10%.

Jezik:Angleški jezik
Ključne besede:neuroscience, deep learning, image classification, stacking, ensemble learning, convolutional neural networks, transfer learning, medical images
Vrsta gradiva:Članek v reviji
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:EF - Ekonomska fakulteta
Status publikacije:Objavljeno
Različica publikacije:Objavljena publikacija
Leto izida:2021
Št. strani:Str. 1-24
Številčenje:Vol. 7, iss. 6 (art. 100)
PID:20.500.12556/RUL-127770 Povezava se odpre v novem oknu
UDK:659.2:004
ISSN pri članku:2313-433X
DOI:10.3390/jimaging7060100 Povezava se odpre v novem oknu
COBISS.SI-ID:67727363 Povezava se odpre v novem oknu
Datum objave v RUL:22.06.2021
Število ogledov:1130
Število prenosov:216
Metapodatki:XML DC-XML DC-RDF
:
Kopiraj citat
Objavi na:Bookmark and Share

Gradivo je del revije

Naslov:Journal of imaging
Skrajšan naslov:J. imaging
Založnik:MDPI
ISSN:2313-433X
COBISS.SI-ID:525653017 Povezava se odpre v novem oknu

Licence

Licenca:CC BY 4.0, Creative Commons Priznanje avtorstva 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by/4.0/deed.sl
Opis:To je standardna licenca Creative Commons, ki daje uporabnikom največ možnosti za nadaljnjo uporabo dela, pri čemer morajo navesti avtorja.
Začetek licenciranja:21.06.2021

Sekundarni jezik

Jezik:Slovenski jezik
Ključne besede:informatika, programiranje, prenos znanja, kognitivna znanost

Projekti

Financer:FCT - Fundação para a Ciência e a Tecnologia, I.P.
Številka projekta:DSAIPA/DS/0022/2018
Naslov:GADgET

Financer:ARRS - Agencija za raziskovalno dejavnost Republike Slovenije
Program financ.:Raziskovalni program
Številka projekta:P5-0410
Naslov:Digitalizacija kot gonilo trajnostnega razvoja posameznika, organizacij in družbe

Podobna dela

Podobna dela v RUL:
Podobna dela v drugih slovenskih zbirkah:

Nazaj