دانلود مقاله انگلیسی رایگان:تکنیک های بینایی ماشین برای طبقه بندی تومورهای دستگاه هضم دستگاه گوارش فوقانی - پرداختن به چالش های آسیب شناختی - 2021
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • Computer vision techniques for Upper Aero-Digestive Tract tumor grading classification - Addressing pathological challenges Computer vision techniques for Upper Aero-Digestive Tract tumor grading classification - Addressing pathological challenges
    Computer vision techniques for Upper Aero-Digestive Tract tumor grading classification - Addressing pathological challenges

    سال انتشار:

    2021


    عنوان انگلیسی مقاله:

    Computer vision techniques for Upper Aero-Digestive Tract tumor grading classification - Addressing pathological challenges


    ترجمه فارسی عنوان مقاله:

    تکنیک های بینایی ماشین برای طبقه بندی تومورهای دستگاه هضم دستگاه گوارش فوقانی - پرداختن به چالش های آسیب شناختی


    منبع:

    Sciencedirect - Elsevier - Pattern Recognition Letters, 144 (2021) 42-53: doi:10:1016/j:patrec:2021:01:002


    نویسنده:

    Prabhakaran Mathialagan


    چکیده انگلیسی:

    Oral cancer is one of the common cancer types which scales higher in death rate every year. The con- nectivity of two different cavities like oral cavity and nasal cavity is known as Upper Aero-Digestive Tract (UADT). Both oral and nasal cavities consist of thirteen connecting sites from mouth to upper stomach. The traditional pathological analysis like manual microscopic review brings out major intra and inter- observer variability problem. A new automated system is proposed using computer vision techniques to focus and analyse major pathological problems like intra and interobserver variability problem and mis- classification of dysplasia type of tumours. The morphological behaviour of biopsy tissue samples are analysed digitally with different sites of UADT and different cancerous and non-cancerous stages. The proposed technique will play a major role in assisting the manual pathology procedure for analysing the morphology of dysplasia type of tumours and classification of tumour gradings. A method is proposed which integrates an alternate process to find the morphology of dysplasia type tumours using different image processing techniques. A state-of-the-art Force Reconstructed Particle Swarm Optimization Based SVM is proposed for UADT oral cancer classification for ten different oral cavity sites. The proposed clas- sification technique achieved 94 % accuracy.© 2021 Elsevier B.V. All rights reserved.
    Keywords: FR-PSO | SVM | Classification | Cancer | UADT | Machine Learning


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 12
    حجم فایل: 3945 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi