Breast cancer diagnosis using digit

Breast cancer diagnosis using digital mammogram is a practical field of investigation. The positive results could
affect the mortality ratio of human life. In this paper, a new model is proposed by using a curvelet transform as a per process for feature extraction and classification of mammogram images. Curvelet based texture features yielded high accuracy rate to classify mammogram images. This was expected since the curvelet transform is able to capture the multi-dimensional features in wedges. The proposed system covers two problems: the first is abnormality detection. And the Second is to distinguish the abnormal tissues into between benign and malignant. The classification accuracy rate achieved to distinguish between normal and abnormal is 97.03%, while it is 91.68% to distinguish between benign and malignant. These results indicate that using curvelet based texture feature can improve the classification of mammogram.

ผลลัพธ์ (ไทย) 1:

วินิจฉัยมะเร็งเต้านมโดยใช้เอ็กซเรย์เต้านมแบบดิจิทัลเป็นเขตปฏิบัติการตรวจสอบ ผลบวกได้มีผลต่ออัตราการตายของชีวิตมนุษย์ ในเอกสารนี้ เสนอรูปแบบใหม่ โดยใช้การแปลง curvelet เป็นการต่อขั้นตอนการสกัดคุณลักษณะและประเภทของภาพเอ็กซเรย์เต้านม Curvelet ตามลักษณะเนื้อหาอัตราความแม่นยำสูงในการจัดประเภทภาพเอ็กซเรย์เต้านม นี้คาดว่าเนื่องจากสามารถจับภาพลักษณะการทำงานหลายมิติใน wedges แปลง curvelet นำเสนอระบบที่ครอบคลุมปัญหาสอง: ครั้งแรกเป็นการตรวจหาความผิดปกติ และสองคือการ แยกเนื้อเยื่อปกติเป็นอ่อนโยน และภูต อัตราความแม่นยำจัดประเภททำได้แยกแยะปกติ และผิดปกติเป็น 97.03% ในขณะที่ 91.68% แยกแยะอ่อนโยน และภูต ผลลัพธ์เหล่านี้ระบุโดยใช้ลักษณะพื้นผิวตาม curvelet สามารถปรับปรุงการจัดประเภทของการเอ็กซเรย์เต้านมที่

ผลลัพธ์ (ไทย) 2:

การวินิจฉัยโรคมะเร็งเต้านมโดยใช้การคัดกรองดิจิตอลเป็นเขตที่การปฏิบัติของการสืบสวน
ผลบวกจะส่งผลกระทบต่ออัตราส่วนการตายของชีวิตมนุษย์ ในบทความนี้รูปแบบใหม่มีการเสนอโดยใช้ curvelet เปลี่ยนเป็นต่อกระบวนการในการสกัดและการจำแนกคุณลักษณะของภาพที่คัดกรอง Curvelet ตามคุณสมบัติพื้นผิวที่ให้ผลอัตราความแม่นยำสูงในการจำแนกภาพการคัดกรอง นี้ได้รับการคาดว่าตั้งแต่เปลี่ยน curvelet สามารถจับคุณสมบัติหลายมิติในเวดจ์ ระบบที่นำเสนอครอบคลุมสองปัญหาแรกคือการตรวจสอบความผิดปกติ และประการที่สองคือการแยกแยะความแตกต่างเนื้อเยื่อที่ผิดปกติขึ้นระหว่างใจดีและร้าย อัตราความถูกต้องจำแนกประสบความสำเร็จที่จะแยกแยะระหว่างปกติและผิดปกติคือ 97.03% ในขณะที่มันเป็น 91.68% ที่จะแยกแยะระหว่างใจดีและร้าย ผลการศึกษานี้แสดงให้เห็นว่าการใช้คุณลักษณะเนื้อตาม curvelet สามารถปรับปรุงการจัดหมวดหมู่ของการคัดกรอง

ผลลัพธ์ (ไทย) 3:

การวินิจฉัยโรคมะเร็งเต้านมใช้ดิจิตอลแมมโมแกรม เป็นทุ่งนา ในทางปฏิบัติของการสอบสวน ผลบวกสามารถ
มีผลต่ออัตราตายของมนุษย์ ในกระดาษนี้ รูปแบบใหม่ คือ การนำเสนอโดยใช้ยู่แปลงเป็นต่อกระบวนการในการสกัดคุณลักษณะและประเภทของสุดยอดภาพ ยู่ตามคุณลักษณะ ( ให้ผลอัตราความถูกต้องสูงเพื่อจัดสุดยอดภาพนี้คาดว่าตั้งแต่ยู่แปลงสามารถจับภาพลักษณะหลายมิติในเวดจ์ ระบบนี้ครอบคลุมสองปัญหาแรกคือการตรวจหาความผิดปรกติ และสองคือการแยกเนื้อเยื่อที่ผิดปกติระหว่างเนื้องอกและมะเร็ง . ความแม่นยำในการจำแนกได้แยกความแตกต่างระหว่างปกติและผิดปกติ 97.03 % ขณะที่มัน 9168 % ที่จะแยกแยะความแตกต่างระหว่างเนื้องอกและมะเร็ง . ผลลัพธ์เหล่านี้แสดงให้เห็นว่าการใช้ยู่ตามเนื้อคุณลักษณะสามารถปรับปรุงประเภทของราชการ