แจ้งเอกสารไม่ครบถ้วน, ไม่ตรงกับชื่อเรื่อง หรือมีข้อผิดพลาดเกี่ยวกับเอกสาร ติดต่อที่นี่ ==>
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
หากไม่มีอีเมลผู้รับให้กรอก thailis-noc@uni.net.th
Tanawat Palamee. Feature fusion ResNet18 and VGG16 for ALL classification. (). . : , 2568.
Feature fusion ResNet18 and VGG16 for ALL classification
Name: Kritsadakorn Khongsep
Organization :
University of Phayao. School of Engineering. Department of Electrical Engineering
Email :
kritsadakorn.mark@gmail.com
Name: Buntueng Yana
Organization :
University of Phayao. School of Engineering. Department of Electrical Engineering
Email :
mr.buntueng@gmail.com
Name: Sitthichat Meekhwan
Organization :
University of Phayao. School of Engineering. Department of Electrical Engineering
Email :
mr.sitthichat.n@gmail.com
Name: Tanawat Palamee
Organization :
University of Phayao. School of Engineering. Department of Electrical Engineering
Email :
beetanawat7@gmail.com
LCSH:
Lymphoblastic leukemia
-- Classification
LCSH:
Diagnostic imaging
-- Data processing
LCSH:
Image processing
-- Digital techniques
Abstract:
Acute Lymphoblastic Leukemia is a common blood cancer in children. Early detection is important, as it can reduce the risk of death rate and improve survivor rate. In this study, we propose a classification model for ALL by using fusion of two pre-trained convolution neural network models like ResNet18 and VGG16. Both models are used to extract feature from images. The extracted features then combine them with the attention mechanism and pass through to linear layers to predict the result. The CNMC-2019 public dataset is used in this study. We do data augmentation to make the balanced dataset with 14,544 blood smear images. The model is evaluated using five-fold cross-validation. The proposed fusion model achieved a strong performance, with an accuracy of 92.16 percent, precision of 94.59 percent, recall of 89.44 percent, F1-score of 91.94 percent, and an AUC of 0.9697. These results show that our proposed fusion model can effectively classify ALL images without a complex structure model. This approach offers a practical solution for developing medical image classification systems using pre-trained models.
Address:
BANGKOK
Email:
library@kmutnb.ac.th
Created:
2568
Modified:
2026-07-15
Issued:
2569-07-15
บทความ/Article
application/pdf
BibliograpyCitation :
ใน สมาคมวิชาการทางวิศวกรรมไฟฟ้า (ประเทศไทย), มหาวิทยาลัยพะเยา, มหาวิทยาลัยเชียงใหม่ และมหาวิทยาลัยนเรศวร. การประชุมวิชาการทางวิศวกรรมไฟฟ้า ครั้งที่ 48 (EECON-48) (BE01). กรุงเทพฯ : สมาคมวิชาการทางวิศวกรรมไฟฟ้า
eng
©copyrights King Mongkut's University of Technology North Bangkok
RightsAccess:
ใช้เวลา
0.043845 วินาที
Kritsadakorn Khongsep
| Title | Contributor | Type |
|---|---|---|
| Feature fusion ResNet18 and VGG16 for ALL classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Kritsadakorn Khongsep;Buntueng Yana;Sitthichat Meekhwan;Tanawat Palamee | บทความ/Article |
Buntueng Yana
| Title | Contributor | Type |
|---|---|---|
| T-slot design for an enhanced electromagnetic band gap to reduce mutual coupling in MIMO antennas
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Nopphadon Phusam;Artitiphong Sangthong;Thanakarn Suangun;Nutyada Nantapanich;Buntueng Yana | บทความ/Article | |
| A high-gain dipole antenna with a modified cross-shaped AMC reflector for sub-6 GHz 5G applications
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Artitiphong Sangthong;Nopphadon Phusam;Thanakarn Suangun;Nutyada Nantapanich;Buntueng Yana | บทความ/Article | |
| Comparative analysis of MQTT and MQTT-SN protocols in wireless sensor network
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Juthathip Wannawan;Weeraphon Yana;Buntueng Yana | บทความ/Article | |
| Attention-based fusion of deep learning model for grape leaf disease classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Tanawat Palamee;Buntueng Yana;Sitthichat Meekhwan;Krisadakorn Khongsep | บทความ/Article | |
| Enhanced breast cancer classification using an ensemble learning model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sitthichat Meekhwan;Thanakarn Suangun;Buntueng Yana | บทความ/Article | |
| Implementation of parking system using ESP32 integrated with Rapid SCADA via MQTT
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Thanachot Wongpuk;Buntueng Yana;Sitthichat Meekhwan;Juthathip Wannawan;Weeraphon Yana | บทความ/Article | |
| Feature fusion ResNet18 and VGG16 for ALL classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Kritsadakorn Khongsep;Buntueng Yana;Sitthichat Meekhwan;Tanawat Palamee | บทความ/Article |
Sitthichat Meekhwan
| Title | Contributor | Type |
|---|---|---|
| Attention-based fusion of deep learning model for grape leaf disease classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Tanawat Palamee;Buntueng Yana;Sitthichat Meekhwan;Krisadakorn Khongsep | บทความ/Article | |
| Enhanced breast cancer classification using an ensemble learning model
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Sitthichat Meekhwan;Thanakarn Suangun;Buntueng Yana | บทความ/Article | |
| Implementation of parking system using ESP32 integrated with Rapid SCADA via MQTT
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Thanachot Wongpuk;Buntueng Yana;Sitthichat Meekhwan;Juthathip Wannawan;Weeraphon Yana | บทความ/Article | |
| Feature fusion ResNet18 and VGG16 for ALL classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Kritsadakorn Khongsep;Buntueng Yana;Sitthichat Meekhwan;Tanawat Palamee | บทความ/Article |
Tanawat Palamee
| Title | Contributor | Type |
|---|---|---|
| Attention-based fusion of deep learning model for grape leaf disease classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Tanawat Palamee;Buntueng Yana;Sitthichat Meekhwan;Krisadakorn Khongsep | บทความ/Article | |
| Feature fusion ResNet18 and VGG16 for ALL classification
มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ Kritsadakorn Khongsep;Buntueng Yana;Sitthichat Meekhwan;Tanawat Palamee | บทความ/Article |