2.5 Reta, et al. [19]
This paper presents a system that can categorize the two types of leukemia ALL and AML. Various features and attributes were used such as geometrical, statistical, texture, size ratio, and principle component analysis; however, feature selection was not used; which in turn affects the classification accuracy. Furthermore Farag A [20] discovered a method for ALL and AML differentiation, biological feature related to the thickness of the cytoplasm as a feature that can be used for the classification. Some other researchers such as Scotti [21, 23] who has contributed significantly to this field, worked on both normal and leukemic cells. In 2004, Scotti worked on a differential blood count system where 23 features were extracted from the cells, most of the features are geometrical and only the mean gray-level intensity of the cytoplasm was used as a statistical feature. A forward selection method based on the nearest neighbor classifier was used as a feature selection method. The classification was done using various classifiers such as k-nearest neighbor (KNN) and feed forward neural network [24] (FFNN). The results showed that the parallel neural network obtained the lowest error rate. However, the KNN obtained better results than a conventional feed forward neural network (FFNN). In 2005 Scotti [18] repeated almost the same steps of his
2.5 เรต้า , et al . [ 19 ]
บทความนี้เสนอระบบที่สามารถแยกแยะสองชนิดของมะเร็งเม็ดเลือดขาวและ AML . คุณสมบัติต่างๆและคุณลักษณะที่ใช้เช่นเรขาคณิต , สถิติ , เนื้อ , ขนาดสัดส่วน และหลักการของการวิเคราะห์องค์ประกอบ แต่การเลือกคุณลักษณะไม่ที่ใช้ ซึ่งจะส่งผลต่อความแม่นยำในการจำแนก .นอกจากนี้ ฟาราด [ 20 ] ค้นพบวิธีการทั้งหมดและคุณสมบัติทางชีวภาพที่เกี่ยวข้องกับ AML ความแตกต่าง , ความหนาของท่อเป็นคุณลักษณะที่สามารถใช้ในการจำแนก นักวิจัยบางอื่น ๆเช่น สกอตตี [ 21 , 23 ] ใครมีส่วนอย่างมากในด้านนี้ทำงานบนทั้งปกติและทำให้เซลล์ ในปี 2004 ,สก็อตตี้ ทำงานบนระบบที่แตกต่างกันเลือดนับ 23 คุณสมบัติสกัดจากเซลล์ส่วนใหญ่ของลักษณะทางเรขาคณิตและเพียงค่าเฉลี่ยระดับความเข้มของสีเทา ขนาดถูกใช้เป็นคุณลักษณะทางสถิติ สนับสนุนการเลือกวิธีตามแบบเพื่อนบ้านใกล้ที่สุดถูกใช้เป็นคุณลักษณะการเลือกวิธีการการจัดหมวดหมู่โดยใช้คำต่างๆ เช่น การเพื่อนบ้านใกล้ที่สุด ( knn ) และป้อนไปข้างหน้าโครงข่ายประสาทเทียม [ 24 ] ( ffnn ) ผลการศึกษาพบว่า โครงข่ายประสาทเทียมแบบขนานได้รับอัตราความผิดพลาดน้อยที่สุด อย่างไรก็ตาม ได้ผลลัพธ์ที่ดีกว่า knn ข้อมูลแบบไปข้างหน้าโครงข่ายประสาทเทียม ( ffnn ) ในปี 2005 สก็อตตี้ [ 18 ] ซ้ำเกือบเดียวกันขั้นตอนของเขา
การแปล กรุณารอสักครู่..