This paper proposes a method for br

This paper proposes a method for breast cancer
diagnosis in digital mammogram. The article focuses on using
texture analysis based on curvelet transform for the
classification of tissues. The most discriminative texture features
of regions of interest are extracted. Then, a nearest neighbor
classifier based on Euclidian distance is constructed. The
obtained results calculated using 5-fold cross validation. The
approach consists of two steps, detecting the abnormalities and
then classifies the abnormalities into benign and malignant
tumors.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้เสนอวิธีสำหรับมะเร็งเต้านมวินิจฉัยในการเอ็กซเรย์เต้านมแบบดิจิทัล บทความเน้นการใช้เนื้อวิเคราะห์ตาม curvelet แปลงสำหรับการการจัดประเภทของเนื้อเยื่อ ลักษณะการทำงานพื้นผิวที่สุด discriminativeภูมิภาคที่น่าสนใจที่สกัด เพื่อนบ้านที่ใกล้ที่สุดแล้วตามระยะ Euclidian classifier ถูกสร้างขึ้น ที่ผลที่ได้รับคำนวณโดยใช้ตรวจสอบไขว้ 5-fold ที่วิธีประกอบด้วยสองขั้นตอน ตรวจหาความผิดปกติใน และแบ่งประเภทของความผิดปกติร้ายแรง และอ่อนโยนแล้วเนื้องอก

ผลลัพธ์ (ไทย) 2:

กระดาษนี้นำเสนอวิธีการในการเป็นมะเร็งเต้านมการวินิจฉัยในการคัดกรองดิจิตอล บทความเน้นที่การใช้การวิเคราะห์พื้นผิวขึ้นอยู่กับ curvelet แปลงสำหรับการจัดหมวดหมู่ของเนื้อเยื่อ จำแนกที่สุดคุณสมบัติพื้นผิวของภูมิภาคที่น่าสนใจที่สกัด จากนั้นเพื่อนบ้านที่ใกล้ที่สุดจําแนกตามระยะทาง Euclidian มีการก่อสร้าง ผลที่ได้รับการคำนวณโดยใช้ 5 เท่าการตรวจสอบข้าม วิธีประกอบด้วยสองขั้นตอนการตรวจสอบความผิดปกติและจากนั้นแยกประเภทความผิดปกติลงใจดีและร้ายเนื้องอก

ผลลัพธ์ (ไทย) 3:

บทความนี้เสนอวิธีการวินิจฉัยมะเร็งเต้านม
Digital Mammogram . บทความที่เน้นการใช้
การวิเคราะห์เนื้อตามยู่แปลงสำหรับ
การจำแนกเนื้อเยื่อ ที่ที่สุดของภูมิภาคและคุณลักษณะ (
สนใจดึง จากนั้น เพื่อนบ้านที่ใกล้ที่สุด
euclidian ลักษณนามตามระยะทางคือการสร้าง
ผลการคำนวณโดยใช้ผู้อื่นข้ามการตรวจสอบ
วิธีประกอบด้วยสองขั้นตอนการตรวจจับความผิดปกติและ
แล้วจัดผิดปกติเป็นเนื้องอก และเนื้องอกร้ายแรง