Diagnosis and grading of vesicoureteral reflux on voiding cystourethrography images in children using a deep hybrid model

Eroğlu, Yeşim; Yıldırım, Kadir; Çınar, Ahmet; Yıldırım, Muhammed

doi:10.1016/j.cmpb.2021.106369

Cited by 24 publications

(16 citation statements)

References 32 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In the study, confusion matrices obtained in different models were given separately and compared. A confusion matrix is a table often used to describe the performance of a classification model on a set of test data for which the actual values are known [29]. An example confusion matrix is given in Figure 4.…”

Section: Resultsmentioning

confidence: 99%

Using and Comparing Machine Learning Techniques for Automatic Detection of Spam Website URLs

Yıldırım

2022

NATURENGS MTU Journal of Engineering and Natural Sciences Malatya Turgut Ozal University

Self Cite

View full text Add to dashboard Cite

With the developing technology, the issue of cyber security has become one of the most common and current issues in recent years. Spam URLs are one of the most common and dangerous issues for cybersecurity. Spam URLs are one of the most widely used attacks to defraud users. These attacks cause users to suffer monetary losses, steal private information, and install malicious software on their devices. It is very important to detect such threats promptly and to take precautions against these threats. Detection of malicious URLs is mostly done by using blacklists. However, these lists are insufficient to detect newly created URLs. In recent years, machine learning techniques have been developed to overcome this deficiency. In this study, URL classification was made using different machine learning techniques. In the study, 9 different classifiers were preferred for URL classification. The performances of the classifiers were compared in the URL classification process. In addition, similar studies in the literature have been comprehensively examined and these studies have been discussed. In addition, since the preparation of data sets in the natural language processing process has a great effect on the training of models, these steps are discussed in detail.

show abstract

Section: Resultsmentioning

confidence: 99%

Using and Comparing Machine Learning Techniques for Automatic Detection of Spam Website URLs

Yıldırım

2022

NATURENGS MTU Journal of Engineering and Natural Sciences Malatya Turgut Ozal University

Self Cite

View full text Add to dashboard Cite

show abstract

“…In a CNN-based trial of cystourethrography on pediatric vesicoureteral reflux (1228 images), features were extracted by hybridization of Googlenet, MobilenetV2, and Densenet201 models and concatenated. They then were optimized by mPMR and classified by SVM and KNN and showed very high accuracy of vesicoureteral reflux grades (normal to V) ranging from 95.5 to 96.9% 32 . Regarding the relatively low accuracy in the current trial, the recent hybrid DL models might be a potential solution to increase the accuracy.…”

Section: Discussionmentioning

confidence: 99%

“…Moreover, combined with positron emission tomography (PET)/CT, DL methods can automatically detect a small nodule within the lungs, even those no less than 2 cm in diameter, with 66.7% sensitivity and 84.5% specificity 31 . Recently, more advanced DL models, called hybrid methods, have been proposed; for example, hybridization of three DL-based algorithms of concatenation, optimization by minimum redundancy maximum relevance (mPMR), and classification by machine learning classifiers showed very high diagnostic yields (accuracy no less than 96.9%) 32 , 33 .…”

Section: Introductionmentioning

confidence: 99%

Deep learning-based quantitative estimation of lymphedema-induced fibrosis using three-dimensional computed tomography images

Son

Lee

Kim

et al. 2022

Sci Rep

View full text Add to dashboard Cite

In lymphedema, proinflammatory cytokine-mediated progressive cascades always occur, leading to macroscopic fibrosis. However, no methods are practically available for measuring lymphedema-induced fibrosis before its deterioration. Technically, CT can visualize fibrosis in superficial and deep locations. For standardized measurement, verification of deep learning (DL)-based recognition was performed. A cross-sectional, observational cohort trial was conducted. After narrowing window width of the absorptive values in CT images, SegNet-based semantic segmentation model of every pixel into 5 classes (air, skin, muscle/water, fat, and fibrosis) was trained (65%), validated (15%), and tested (20%). Then, 4 indices were formulated and compared with the standardized circumference difference ratio (SCDR) and bioelectrical impedance (BEI) results. In total, 2138 CT images of 27 chronic unilateral lymphedema patients were analyzed. Regarding fibrosis segmentation, the mean boundary F1 score and accuracy were 0.868 and 0.776, respectively. Among 19 subindices of the 4 indices, 73.7% were correlated with the BEI (partial correlation coefficient: 0.420–0.875), and 13.2% were correlated with the SCDR (0.406–0.460). The mean subindex of Index 2 $$\left( {\frac{{P_{Fibrosis\, in\, Affected} - P_{Fibrosis\, in\, Unaffected} }}{{P_{Limb\, in\, Unaffected} }}} \right)$$ P F i b r o s i s i n A f f e c t e d - P F i b r o s i s i n U n a f f e c t e d P L i m b i n U n a f f e c t e d presented the highest correlation. DL has potential applications in CT image-based lymphedema-induced fibrosis recognition. The subtraction-type formula might be the most promising estimation method.

show abstract

“…Çalışmada kullanılan başarım ölçüm matrisleri karışıklık matris kullanılarak hesaplanmaktadır. Yapılan çalışmada modellerin başarımlarını değerlendirmek için doğruluk, duyarlılık, özgünlük ve f_ölçütü değerlendirme ölçütleri kullanılmıştır [22].…”

Section: Tablo 2 Karmaşıklık Matrisiunclassified

Derin Öğrenme Modellerinde Komşuluk Bileşen Analizi Yöntemi Kullanarak Çiçek Görüntülerinin Sınıflandırılması

Bingol

2022

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

View full text Add to dashboard Cite

Öz: Çiçekler tıpkı insanlar ve hayvanlar gibi doğanın yeri doldurulamaz canlılarıdır. Çiçekler birçok hastalığın tedavisinde tıp uzmanları tarafından kullanılmaktadır. İlaç şirketleri büyük araştırma laboratuvarlarında ilaç üretmek için devasa bütçeler ayırarak bu çiçek türleri üzerine araştırma yapmaktadırlar. Bazı çiçekleri gördüğümüz zaman hemen tanırız fakat doğada bizim bildiğimizden çok daha fazla çiçek türü mevcuttur. Hatta günümüzde hiç tanınmamış çiçek türleri bile vardır. Bu çalışmada çiçek türleri üzerine çalışan araştırmacıların, çiçek türlerini tespit etme işlerini kolaylaştırmak amacıyla çiçek görüntüleri derin öğrenme metotları kullanarak sınıflandırılmıştır. Derin öğrenme yöntemleri son zamanlarda özellikle görüntü işlemede yaygın bir şekilde kullanılmakta ve oldukça etkili sonuçlar vermektedir. Bu çalışmada altı farklı derin öğrenme yöntemi kullanılmıştır. İlk aşamada çiçek görüntüleri, önceden eğitilmiş olan Alexnet, Googlenet, Shufflenet, Efficientnetb0, Resnet50 ve Inceptionv3 mimarileri kullanılarak sınıflandırılmıştır. İkinci aşamada ise bu altı mimariden elde edilen özellik haritaları KBA (Komşuluk Bileşen Analizi) yöntemi ile optimize edildikten sonra ayrı ayrı makine öğrenmesi sınıflandırıcılarında sınıflandırılmıştır. Üçüncü aşamada, önceden eğitilmiş bu altı derin öğrenme modelini kullanarak veri setindeki çiçek görüntülerinin özellik haritaları çıkarılmıştır. Bu altı derin öğrenme mimarisinden üç tanesi kullanılarak elde edilen özellik haritaları birleştirilmiştir. Daha sonra bu özelliklere algoritmanın çalışma zamanını kısaltmak için KBA metodu uygulanarak gereksiz özellikler çıkarılmış ve optimize edilmiştir. Optimize edilmiş olan özellik haritası klasik makine öğrenmesi sınıflandırıcılarında sınıflandırılmıştır. Deneysel çalışmalarımız sonucunda önermiş olduğumuz modelin doğruluk oranı yüzde 93.49'dur.

show abstract

Diagnosis and grading of vesicoureteral reflux on voiding cystourethrography images in children using a deep hybrid model

Cited by 24 publications

References 32 publications

Using and Comparing Machine Learning Techniques for Automatic Detection of Spam Website URLs

Using and Comparing Machine Learning Techniques for Automatic Detection of Spam Website URLs

Deep learning-based quantitative estimation of lymphedema-induced fibrosis using three-dimensional computed tomography images

Derin Öğrenme Modellerinde Komşuluk Bileşen Analizi Yöntemi Kullanarak Çiçek Görüntülerinin Sınıflandırılması

Contact Info

Product

Resources

About