At the ending session of this paper

At the ending session of this paper, we developed an automatic cervical cancer detection system for finding whether the given pap smear image contains the cell is normal or abnormal. Then the decision making system was premeditated with the Texture features and Support Vector Machine. The proposed system involves feature extraction and classification. The advantage of the system is to support the physician to make the final decision without hesitancy. Conferring to the experimental results, the proposed method is effective for the classification of Pap Smear Cell image into normal and abnormal. For comparative analysis, our proposed approach is compared with other classification such as KNN and ANN. The accuracy level (86%) for our proposed method proved that the proposed algorithm graph is good at detecting the cancer in the experimental images.

ผลลัพธ์ (ไทย) 1:

ที่เซสชันการสิ้นสุดของบทความนี้ เราพัฒนาระบบการตรวจหามะเร็งปากมดลูกโดยอัตโนมัติสำหรับการค้นหาว่า รูปกำหนดตรวจภายในประกอบด้วยเซลล์เป็นปกติ หรือผิดปกติ จากนั้น ระบบการตัดสินใจถูกล้ม ด้วยคุณสมบัติเนื้อและสนับสนุนเครื่องเวกเตอร์ นำเสนอระบบที่เกี่ยวข้องกับการสกัดคุณลักษณะและการจำแนก ข้อดีของระบบคือการ สนับสนุนแพทย์การตัดสิน โดยไม่มีความลังเลใจ Conferring การผลการทดลอง วิธีการนำเสนอมีประสิทธิภาพสำหรับการจัดประเภทของเซลล์ตรวจภายในเป็นปกติ และผิดปกติ การวิเคราะห์เปรียบเทียบ วิธีการนำเสนอของเราจะเปรียบเทียบกับประเภทอื่น ๆ เช่น KNN และแอน ระดับความแม่นยำ (86%) สำหรับวิธีการนำเสนอของเราพิสูจน์ว่า กราฟอัลกอริทึมที่นำเสนอเป็นดีที่ตรวจหามะเร็งในภาพทดลอง

ผลลัพธ์ (ไทย) 2:

ในเซสชั่นที่สิ้นสุดของบทความนี้เราพัฒนาระบบการตรวจสอบโรคมะเร็งปากมดลูกโดยอัตโนมัติสำหรับการค้นหาว่าภาพ PAP smear ที่ได้รับมีมือถือเป็นปกติหรือผิดปกติ จากนั้นระบบการตัดสินใจได้รับการไตร่ตรองไว้ล่วงหน้าที่มีคุณสมบัติพื้นผิวและการสนับสนุนเครื่องเวกเตอร์ ระบบที่นำเสนอเกี่ยวกับการสกัดคุณลักษณะและการจำแนก ข้อดีของระบบคือการสนับสนุนแพทย์ที่จะทำให้การตัดสินใจครั้งสุดท้ายโดยไม่ลังเลใจ การหารือกับผลการทดลองวิธีที่นำเสนอมีประสิทธิภาพสำหรับการจัดหมวดหมู่ของภาพมือ Pap Smear เข้าสู่ปกติและผิดปกติ สำหรับการวิเคราะห์เปรียบเทียบวิธีการที่นำเสนอของเราคือเมื่อเทียบกับการจัดหมวดหมู่อื่น ๆ เช่น KNN และแอน ระดับความถูกต้อง (86%) สำหรับวิธีที่นำเสนอของเราพิสูจน์ให้เห็นว่ารูปแบบของกราฟขั้นตอนวิธีการที่นำเสนอเป็นสิ่งที่ดีในการตรวจหามะเร็งในภาพการทดลอง

ผลลัพธ์ (ไทย) 3:

ที่สิ้นสุดเซสชันของกระดาษนี้เราพัฒนาระบบการตรวจหามะเร็งปากมดลูกโดยอัตโนมัติสำหรับการค้นหาว่า ได้รับการตรวจมะเร็งปากมดลูกรูปภาพประกอบด้วยเซลล์เป็นปกติหรือผิดปกติครับ แล้วระบบการตัดสินใจเป็นการไตร่ตรองไว้ล่วงหน้า ด้วยเนื้อผ้าคุณสมบัติและเครื่องเวกเตอร์สนับสนุน ระบบที่เกี่ยวข้องกับการสกัดคุณลักษณะและการจำแนก ข้อดีของระบบคือการสนับสนุนแพทย์ตัดสินใจโดยไม่ลังเล . ปรึกษากับผลการทดลองวิธีที่เสนอมีประสิทธิภาพในการจำแนกภาพเป็นปกติและเซลล์มะเร็งปากมดลูกผิดปกติ สำหรับการวิเคราะห์เปรียบเทียบ ของเรา วิธีการที่เสนอคือเมื่อเทียบกับประเภทอื่น ๆเช่น knn และแอน ระดับความถูกต้อง ( ร้อยละ 86 ) เพื่อเสนอวิธีพิสูจน์ที่เสนอขั้นตอนวิธีกราฟที่ดีในการตรวจหามะเร็งในสภาพทดลอง