V Saraswathi Bai

Des tudes r centes ont montr que les mod les d'apprentissage profond sont capables de fournir des avantages significatifs pour l'analyse d'images m dicales. Lors de l'utilisation de LSTM pour la d tection de tumeurs c r brales, les donn es d'entr e s quentielles, telles que les scanners IRM ou les donn es chronologiques des patients, sont g n ralement introduites dans le mod le LSTM. Le mod le apprend alors partir des mod les s quentiels et utilise ces connaissances pour classer la pr sence ou non d'une tumeur c r brale. Notre mod le exploite les d pendances temporelles des donn es d'imagerie m dicale pour am liorer la pr cision et la robustesse de la d tection des tumeurs. Le mod le LSTM est plus performant que les m thodes traditionnelles, comme le montrent nos r sultats. Il en r sulte une grande pr cision et des informations pr cieuses sur la r gion tumorale d tect e. En outre, nous explorons l'interpr tabilit des LSTM et l'int gration potentielle avec des informations cliniques pour am liorer le diagnostic et la planification.

Ostatnie badania wykazaly, że modele glębokiego uczenia są w stanie zapewnic znaczące korzyści w analizie obraz w medycznych. Podczas korzystania z LSTM do wykrywania guz w m zgu, do modelu LSTM zazwyczaj wprowadzane są sekwencyjne dane wejściowe, takie jak skany MRI lub dane szereg w czasowych pacjenta . Następnie model uczy się na podstawie sekwencyjnych wzorc w i wykorzystuje tę wiedzę do klasyfikowania, czy guz m zgu jest obecny, czy nie. Nasz model wykorzystuje zależności czasowe w danych obrazowania medycznego w celu poprawy dokladności i niezawodności wykrywania guz w. Model LSTM dziala lepiej niż tradycyjne metody, co pokazują nasze wyniki. Skutkuje to wysoką dokladnością i cennym wglądem w wykryty obszar guza. Ponadto badamy interpretowalnośc LSTM i potencjalną integrację z informacjami klinicznymi w celu poprawy diagnostyki i planowania.

Dans la radio cognitive bas e sur la 5G, le signal de l'utilisateur primaire est plus actif gr ce la large bande de fr quences. La d tection coop rative normale du spectre ne d tecte qu'une seule caract ristique de l'utilisateur primaire l'aide d'un seul type de d tecteur. La radio cognitive (CR) est apparue comme une technique prometteuse pour r soudre le probl me de la raret du spectre auquel sont confront es toutes les administrations sans fil actuelles et r cemment propos es. Dans un r seau de radio cognitive (CRN), la d tection du spectre joue un r le essentiel et est consid r e comme un l ment de base de la CR. Le noeud CR individuel peut ne pas donner de r sultats de d tection valides en raison des probl mes d'ombrage et de terminal secret du canal de communication sans fil. C'est pourquoi, afin de r soudre ces probl mes, nous proposons dans cet article une radio cognitive bas e sur la d tection coop rative du spectre pour la communication 5G. Dans le sch ma de d tection coop rative du spectre (CSS), chaque CR d tectera individuellement le spectre puis transf rera sa d cision un noeud central galement appel centre de fusion (FC). En utilisant la probabilit de d tection manqu e (Pmd) et la probabilit de fausse alarme (Pfa) pour reconna tre si la d tection du spectre est suffisante ou non, am liorer la performance en utilisant Pfa. Les r sultats de la simulation montrent l'am lioration des performances.

Im 5G-basierten kognitiven Funk ist das prim re Nutzersignal dank des breiten Frequenzbandes aktiver. Das normale kooperative Spectrum Sensing erfasst nur eine Eigenschaft der PU mit einer Art von Detektor. Cognitive Radio (CR) hat sich als eine vielversprechende Technik zur L sung des Problems der Frequenzknappheit erwiesen, mit dem alle aktuellen und k rzlich vorgeschlagenen drahtlosen Verwaltungen konfrontiert sind. Im kognitiven Funknetz (CRN) nimmt die Spektrumserkennung die Hauptrolle ein und wird als grundlegender Bestandteil von CR betrachtet. Der einzelne CR-Knoten kann aufgrund von Abschattungs- und Geheimterminalproblemen des drahtlosen Kommunikationskanals keine g ltigen Erkennungsergebnisse liefern. Um diese Probleme zu beheben, wird in diesem Papier ein kooperatives Spectrum Sensing auf der Basis von Cognitive Radio f r die 5G-Kommunikation vorgeschlagen. Im kooperativen Spectrum Sensing (CSS) Schema wird jeder CR individuell das Spektrum erfassen und dann seine Entscheidung an einen zentralen Knoten bertragen, der auch als Fusionszentrum (FC) bezeichnet wird. Mithilfe der Wahrscheinlichkeit einer verpassten Erkennung (Pmd) und der Wahrscheinlichkeit eines falschen Alarms (Pfa) kann erkannt werden, ob die Erfassung des Spektrums ausreichend ist oder nicht, und die Leistung mit Pfa verbessert werden. Die Simulationsergebnisse zeigen die h here Leistung.

No r dio cognitivo de 5G, o sinal prim rio do utilizador mais activo gra as ampla banda de frequ ncia. A detec o normal do espectro cooperativo s detecta uma caracter stica do PU utilizando um tipo de detector. A r dio cognitiva (CR) surgiu como uma t cnica promissora para o problema de escassez de espectro enfrentado por todas as administra es sem fios propostas t o recentemente. Na rede de r dio cognitiva (CRN) a detec o de espectro assume a parte principal e considerada como uma parte b sica da CR. O n CR individual pode n o dar resultados de detec o v lidos devido sombra e a problemas terminais secretos do canal de comunica o sem fios. Por conseguinte, para afectar estes problemas, proposta a implementa o durante este artigo de r dio cognitivo cooperativo baseado na detec o do espectro para comunica o 5G. No esquema de detec o cooperativa do espectro (CSS), cada CR sentir individualmente o espectro e depois transferir a sua decis o para um n central tamb m referido como centro de fus o (CF). Usando a probabilidade de detec o falhada (Pmd) e a probabilidade de falso alarme (Pfa) para reconhecer se a detec o do espectro suficiente ou n o, melhorar o desempenho usando Pfa. O resultado da simula o mostra o desempenho superior.

Nella radio cognitiva basata sul 5G, il segnale dell'utente primario pi attivo grazie all'ampia banda di frequenza. Il normale rilevamento cooperativo dello spettro rileva solo una caratteristica del PU utilizzando un tipo di rilevatore. La radio cognitiva (CR) nata come una tecnica promettente per risolvere il problema della scarsit di spettro affrontato da tutte le amministrazioni wireless attuali e recentemente proposte. Nella rete radio cognitiva (CRN) il rilevamento dello spettro assume la parte principale ed considerato una parte fondamentale della CR. Il singolo nodo CR pu non fornire risultati validi di rilevamento a causa dei problemi di shadowing e di terminale segreto del canale di comunicazione wireless. Pertanto, per ovviare a questi problemi, nel presente documento viene proposta una radio cognitiva basata sul rilevamento cooperativo dello spettro per la comunicazione 5G. Nello schema di rilevamento cooperativo dello spettro (CSS), ogni CR rileva individualmente lo spettro e trasferisce la sua decisione a un nodo centrale, chiamato anche centro di fusione (FC). Utilizzando la probabilit di mancato rilevamento (Pmd) e la probabilit di falso allarme (Pfa) per riconoscere se il rilevamento dello spettro sufficiente o meno, si migliorano le prestazioni utilizzando Pfa. I risultati della simulazione mostrano prestazioni pi elevate.

In 5G-based cognitive radio, the primary user signal is more active thanks to the broad frequency band. The normal cooperative spectrum sensing only senses one characteristic of PU using one kind of detector. Cognitive radio (CR) has arisen as a promising technique to the spectrum scarcity problem faced by all current just as recently proposed wireless administrations. In cognitive radio network (CRN) spectrum sensing assumes the main part and is considered as a basic part of CR. The individual CR node may not give valid detecting results due to shadowing and secret terminal problems of wireless communication channel. Therefore to affect these problems we further implement during this paper cooperative spectrum sensing based cognitive radio for 5G communication is proposed. In cooperative spectrum sensing (CSS) scheme, every CR will individually sense the spectrum then transfer its decision to a central node also referred to as fusion center (FC). Using probability of missed detection (Pmd) and probability of false alarm (Pfa) to recognize whether spectrum sensing is enough or not, improve performance using Pfa. The simulation outcome shows the higher performance.