An Approach to Analyzing Prostate  Cancer  Detection in the Histopathological Sections using Ensemble Machine Learning

Md Hafizur Rahman; Yeong-Bin Hwang; Subrata Bhattacharjee; Heung-Kook Dhoi; Hee-Cheol Kim

An Approach to Analyzing Prostate Cancer Detection in the Histopathological Sections using Ensemble Machine Learning

Recommendations

Search

Questions

Type: Proceeding

Author: Md Hafizur Rahman (Inje University) Yeong-Bin Hwang (Inje University) Subrata Bhattacharjee (Inje University) Heung-Kook Dhoi (Inje University) Hee-Cheol Kim (Inje University)

Journal: The Korea Institute of Information and Communication Engineering INTERNATIONAL CONFERENCE ON FUTURE INFORMATION & COMMUNICATION ENGINEERING Vol.14 No.1

Published: 2023.1

Pages: 153 - 156 (4page)

Usage

An Approach to Analyzing Prostate Cancer Detection in the Histopathological Sections using Ensemble Machine Learning

Abstract· Keywords

Report Errors

Prostate cancer, which develops in the male prostate gland, is one of the worst diseases for males. In today's world, prostate cancer patients are increasing more and more making it an ominous sign for humanity. Even though the disease's real cause has not yet been identified, but if it is diagnosed in its early stages, a patient with this cancer can readily recover. Pathologists frequently identify prostate cancer's last stage because this disease slowly affects the human body. Such fatal diseases can be detected using Computer-Aided Detection (CAD), and Artificial Intelligence (AI). These techniques are tremendously powerful for accurate disease diagnoses. In this scenario, pictures from histology microscopy can be used to identify prostate cancer via a deep learning-based system. Benign, grade 3, grade 4, and grade 5 prostate color patches have been applied to detect cancer and noncancer. In this paper, to identify cancer and noncancer cases, image features were extracted using ResNet50, and then those extracted features were separated. To assess the model, we retrieved 7570 prostate color patch image from the histopathological whole slide tissue images. Our model's accuracy was 89.35%, making it appear to be a successful method of detecting prostate cancer.

#Prostate cancer #image preprocessing #Deep Learning #histopathological image classification

Abstract
Ⅰ. INTRODUCTION
Ⅱ. MATERIAL AND METHODS
Ⅲ. RESULTS AND DISCUSSION
Ⅳ. CONCLUSIONS
REFERENCES

References (0)

Add References

If the reference is being serviced by DBpia, please register through [Add Reference]

Recommendations

It is an article recommended by DBpia according to the article similarity. Check out the related articles!

Related Authors

Md Hafizur Rahman

Affiliation 인제대학교

Fields Engineering > Electrical and Electronic Engineering > Information and Communication Engineering

Articles 2 Usage 57

Comments(0)

Write first comments.

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

Abstract· Keywords

AI Summary

Topic

Background

Method

Result

주요내용

Contents

References (0)

Recommendations

Related Authors

Recently viewed articles

Comments(0)