Design of an Efficient Multimodal Correlation Engine for Smart IoMT Imaging System for Pre-Emptive Analysis of Breast Cancer Stages
Notice bibliographique
Résumé
Early breast cancer detection and diagnosis remain difficult tasks, especially in areas with little resources in the contemporary era of precision medicine.Existing imaging techniques like mammography, ultrasound, and thermal imaging provide valuable information, but each one's potential is sometimes constrained by exorbitant costs, radiation exposure, and poor accuracy rates.In order to combine data from mammography, ultrasound, optical imaging, and thermal imaging scans, this research suggests a cutting-edge multimodal correlation engine for the Internet of Medical Things (IoMT).The resulting technology makes preemptive breast cancer analysis effective, affordable, and extremely accurate for different scenarios.The study uses the VGGNet 19 architecture for mammography data, but swaps out the fully connected layer with a group of classifiers that includes Naive Bayes, k-Nearest Neighbors (kNN), Support Vector Machines (SVM), and Logistic Regression (LR).This strategy guarantees a strong and varied learning approach.Radial Basis Function Networks (RBFNs), which offer a flexible and non-linear classification method, are used to classify ultrasound scans into cancer probabilities after being translated into multidimensional data using Frequency and iVector Analysis.The classified cancer levels are processed on the IoMT cloud, which assists in incremental improvements in the model's performance for real-time scenarios.This performance was tested on the Breast Ultrasound Image (BUSI) dataset, Breast Thermal Image (THERMO) dataset, and Digital Database for Screening Mammography (DDSM) Dataset Samples, where this multifaceted approach has shown a significant increase in precision (12.5%), accuracy (14.9%),Area Under the Curve (AUC, 8.5%), sensitivity (9.4%), and specificity (10.5%) when compared to recent methods.By combining many imaging modalities into a single, effective, and potent diagnostic tool, the suggested approach opens up new possibilities in the early identification of breast cancer types.This strategy offers potential implications for breast cancer pre-emption, especially in environments where resources and access to care are limited.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».