Fr. 47.90

Erkennung von Brustkrebs durch Kombination von Merkmalsextraktionsmodellen

German · Paperback / Softback

Shipping usually within 1 to 2 weeks (title will be printed to order)

Description

Read more

In Kapitel 1 werden Brustkrebs und der Überblick über den Bericht beschrieben. In Kapitel 2 werden die bestehenden Arbeiten zur Erkennung von Brustkrebs, die vorgeschlagenen Arbeiten und die Systemanalyse beschrieben. In Kapitel 3 werden die für die Extraktion verwendeten Erweiterungsmethoden und die Techniken zur Merkmalsextraktion beschrieben. Kapitel 4 beschreibt den Implementierungsteil, der die textuellen Merkmale mehrerer Mammogrammbilder anhand textueller Parameter vergleicht. Das vorgeschlagene System stellt eine Methode zur Verbesserung der Verständlichkeit von Mammogrammbildern (IMEM) vor, um die beste Qualität von Mammogrammbildern zu erzielen. Das vorgeschlagene IMEM erzeugt qualitativ hochwertige Mammogrammbilder, die als Quellen für die ROI-Segmentierung verwendet werden, um die besten segmentierten Bilder zu erhalten. In Kapitel 5 wird die Ergebnisanalyse der Klassifizierung von Mammogrammbildern mit Hilfe der Merkmalsextraktionsmethode beschrieben. Kapitel 6 beendet dieses Buch mit einer Schlussfolgerung, gefolgt von Referenzen.

About the author










Dr. K. Rajendra Prasad, Professor und Leiter, Fachbereich CSE. C. Raghavendra, Assistenzprofessor, Fachbereich CSE. K. Sharanya, Fachbereich CSE.

Product details

Authors K Rajendra Prasad, K. Rajendra Prasad
Publisher Verlag Unser Wissen
 
Languages German
Product format Paperback / Softback
Released 20.10.2022
 
EAN 9786205272169
ISBN 9786205272169
No. of pages 56
Subject Natural sciences, medicine, IT, technology > Mathematics > Analysis

Customer reviews

No reviews have been written for this item yet. Write the first review and be helpful to other users when they decide on a purchase.

Write a review

Thumbs up or thumbs down? Write your own review.

For messages to CeDe.ch please use the contact form.

The input fields marked * are obligatory

By submitting this form you agree to our data privacy statement.