Diagnose colon disease by feature selection based on artificial neural network and group teaching optimization algorithm

Çoklu görüntüleme modaliteleri, çağdaş tıbbın teşhis kesinliğini önemli ölçüde artırmıştır. Tıbbi görüntüleme, doğru bir teşhisin elde edilebileceği ve tedavinin hızla başlatılabileceği bir noktaya ilerlemiştir. Bu makale, kolorektal kanserin nasıl tespit edileceğini açıklayan mükemmel bir iş çıkarmaktadır. Bitki hastalıklarını teşhis etmek için önerilen yöntem, bir görüntünün en uygun öğelerini belirlemek için bir grup öğretimi optimizasyon algoritması kullanır. Resimleri iyi huylu veya kötü huylu olarak tanımlamak için çok katmanlı eğitimli sinir ağları kullanılır. Kolon kanseri teşhisi için önerilen teknik, renk veri seti üzerinde test edildiğinde ortalama %92,72 doğruluk, %93,14 hassasiyet ve %94,26 F1-Skor elde eder. Kvasir resim verileri, önerilen yöntem kullanılarak yüzde 96,42 doğruluk, kesinlik, hassasiyet, bitki hastalığı ve F1-Skor ile sınıflandırıldı. Deneyler, önerilen stratejinin bitki hastalıklarının fotoğraflarını sınıflandırmak için 3Layer'dan daha üstün olduğunu göstermektedir. CNN Şu anda tıbbi teşhiste kullanılmak üzere çok sayıda görüntüleme yöntemi bulunmaktadır. Dört algoritma (DF, RF, CNN ve TFL). Anahtar Kelimeler: bitki hastalığı, Grup öğretimi optimizasyon algoritması, Özellik seçimi, yapay