Thus, retrieval of imagesfrom a dat

Thus, retrieval of images
from a database based on similarity based criteria is an important procedure in CBR 3, 4, 5. When the retrieval process
involves heterogeneous information like images and contextual information, the CBR system encounters problems
in aggregating these variables and dealing with missing information. Decision trees 3 are well suited for retrieval to
process heterogeneous as well as incomplete information. This note proposes an approach to classify abnormalities
in fundus images of the retina using decision trees. The abnormalities of the retina that have been considered for the
present study are those arising from age related abnormalities like Age Related Macular Degeneration(AMD) and
those arising from Diabetic Retinopathy (DR) like micro aneurysm(MA), hard exudates (HE), cotton wool spots
(CWS) and hemorrhages. Table 1 lists the manifestations of the abnormalities as seen in retina fundus images,
obtained in public databases. To the best of our knowledge, there is no existing work combining AMD and DR. This
is a pioneer attempt in integrating contextual information with images.

ผลลัพธ์ (ไทย) 1:

ดังนั้น จึงเรียกภาพจากฐานข้อมูลตามความคล้ายคลึงกัน ตามเงื่อนไขเป็นกระบวนการสำคัญในคน 3, 4, 5 เมื่อเรียกการประมวลผลเกี่ยวข้องกับข้อมูลที่แตกต่างกันเช่นรูปภาพและข้อมูลบริบท ระบบคนพบปัญหาในการรวบรวมตัวแปรเหล่านี้ และจัดการกับข้อมูลที่หายไป ต้นไม้การตัดสินใจ 3 ซึ่งเหมาะสมสำหรับการเรียกไปกระบวนการบริการและข้อมูลที่ไม่สมบูรณ์ บันทึกนี้นำเสนอวิธีการในการจัดประเภทความผิดปกติในรูป fundus ของจอตาที่ใช้ต้นไม้ตัดสินใจ ความผิดปกติของจอตาที่ได้รับการพิจารณาในการศึกษาอยู่อาจจะเกิดจากอายุที่เกี่ยวข้องกับความผิดปกติเช่นอายุ Degeneration(AMD) Macular ที่เกี่ยวข้อง และที่เกิดจากโรคเบาหวานดวงตา (DR) เช่น aneurysm(MA) ไมโคร exudates ยาก (เขา) ผ้าขนสัตว์ฝ้ายจุด(CWS) และ hemorrhages ตารางที่ 1 แสดงลักษณะของความผิดปกติที่ดังที่เห็นในภาพเรตินา fundusได้รับในฐานข้อมูลสาธารณะ ส่วนความรู้ของเรา มีเป็นงานที่มีอยู่ไม่รวม AMD และดร.นี้เป็นความพยายามที่ผู้บุกเบิกในการรวมข้อมูลบริบทกับภาพ

ผลลัพธ์ (ไทย) 2:

ดังนั้นการดึงภาพ
จากฐานข้อมูลขึ้นอยู่กับเกณฑ์ที่คล้ายคลึงกันตามเป็นขั้นตอนสำคัญในการ CBR 3, 4, 5 เมื่อขั้นตอนการดึง
ข้อมูลที่เกี่ยวข้องกับการที่แตกต่างกันเช่นภาพและข้อมูลตามบริบทระบบ CBR พบปัญหา
ในการรวมตัวแปรเหล่านี้และการจัดการกับ ข้อมูลที่ขาดหายไป ต้นไม้การตัดสินใจ 3 มีความเหมาะสมดีสำหรับการเรียกใช้ในการ
ประมวลผลที่แตกต่างกันเช่นเดียวกับข้อมูลที่ไม่สมบูรณ์ บันทึกนี้นำเสนอวิธีการในการจำแนกความผิดปกติของ
อวัยวะในภาพของจอประสาทตาโดยใช้ต้นไม้ตัดสินใจ ความผิดปกติของจอประสาทตาที่ได้รับการพิจารณาสำหรับการ
ศึกษาครั้งนี้คือผู้ที่เกิดจากความผิดปกติที่เกี่ยวข้องกับอายุเช่นอายุที่เกี่ยวข้องเสื่อมสภาพ (AMD) และ
ผู้ที่เกิดจากเบาหวาน (DR) เช่นปากทางไมโคร (MA) exudates แข็ง (HE) จุดสำลี
(CWS) และเลือด ตารางที่ 1 แสดงอาการของความผิดปกติที่เห็นในภาพจอประสาทตาอวัยวะที่
ได้รับในฐานข้อมูลสาธารณะ ที่ดีที่สุดของความรู้ของเราไม่มีการทำงานที่มีอยู่รวม AMD และ DR นี้
เป็นความพยายามที่เป็นผู้บุกเบิกในการบูรณาการข้อมูลบริบทที่มีภาพ

ผลลัพธ์ (ไทย) 3:

ดังนั้น การดึงภาพจากฐานข้อมูลตาม
ความเหมือนตามเกณฑ์ที่เป็นขั้นตอนสำคัญในกลุ่ม 3 , 4 , 5 เมื่อกระบวนการกู้คืนข้อมูลข้อมูล
เกี่ยวข้องกับเช่นรูปภาพและข้อมูลบริบท ระบบการทดสอบพบปัญหา
ในเครือตัวแปรเหล่านี้และจัดการกับข้อมูลที่หายไป . ต้นไม้ตัดสินใจ 3 เหมาะสำหรับค้น

กระบวนการที่แตกต่างกัน ตลอดจนข้อมูลที่ไม่สมบูรณ์ บันทึกนี้นำเสนอวิธีการจำแนกความผิดปกติ
ในรูปของจอประสาทตาโดยใช้ต้นไม้เกิดการตัดสินใจ ความผิดปกติของจอประสาทตาที่ได้รับการพิจารณาสำหรับ
ปัจจุบันศึกษาเป็นผู้ที่เกิดจากอายุที่เกี่ยวข้องกับความผิดปกติ เช่น จอประสาทตาเสื่อม ( AMD ) และ
ผู้ที่เกิดจากเบาหวาน ( ดร. ) เช่นไมโครหลอดเลือดโป่งพอง ( MA ) ยาก สารที่หลั่ง ( เขา ) , ผ้าขนสัตว์ฝ้ายปอ
( CWS ) และจุดเลือดออก . ตารางที่ 1 แสดงอาการของความผิดปกติที่เห็นในจอประสาทตาเกิดภาพ
ได้ในฐานข้อมูลสาธารณะ เพื่อที่ดีที่สุดของความรู้ของเราไม่มีที่มีอยู่งานรวมนี้
AMD และดร.เป็นผู้บุกเบิกพยายามในการบูรณาการข้อมูลบริบทที่มีภาพ