This paper proposes an intellectual

This paper proposes an intellectual classification system to recognize normal and abnormal MRI brain images. Nowadays, decision and treatment of brain tumors is based on symptoms and radiological appearance. Magnetic resonance imaging (MRI) is a most important controlled tool for the anatomical judgment of tumors in brain. In the present investigation, various techniques were used for the classification of brain cancer. Under these techniques, image preprocessing, image feature extraction and subsequent classification of brain cancer is successfully performed. When different machine learning techniques: Support Vector Machine (SVM), K- Nearest Neighbor (KNN) and Hybrid Classifier (SVM-KNN) is used to classify 50 images, it is observed from the results that the Hybrid classifier SVM-KNN demonstrated the highest classification accuracy rate of 98% among others. The main goal of this paper is to give an excellent outcome of MRI brain cancer classification rate using SVM-KNN.

ผลลัพธ์ (ไทย) 1:

กระดาษนี้เสนอระบบการจำแนกทางปัญญาการรับรู้ภาพสมอง MRI ปกติ และผิดปกติ ในปัจจุบัน ตัดสินใจและการรักษาโรคเนื้องอกในสมองขึ้นอยู่กับอาการและลักษณะที่เกี่ยวกับรังสี สร้างภาพด้วยเรโซแนนซ์แม่เหล็ก (MRI) เป็นเครื่องมือควบคุมสำคัญสำหรับการตัดสินทางกายวิภาคของเนื้องอกในสมอง ในการสืบสวนสอบสวนที่นำเสนอ เทคนิคต่าง ๆ ถูกนำมาใช้สำหรับการจำแนกประเภทของโรคมะเร็งสมอง ภายใต้เทคนิคเหล่านี้ ประมวลผลรูป สกัดคุณลักษณะภาพ และต่อมาการจำแนกประเภทของโรคมะเร็งสมองจะเสร็จเรียบร้อยแล้วดำเนินการ เมื่อแตกต่างเครื่องวิธีการเรียนรู้: เครื่องเวกเตอร์สนับสนุน (SVM), K - เพื่อนบ้านที่ใกล้ที่สุด (KNN) และไฮบริลักษณนาม (SVM KNN) ใช้ในการจัดประเภทภาพ 50 ภาพ มันเป็นข้อสังเกตจากผลการจำแนกไฮบริ SVM KNN แสดงให้เห็นถึงอัตราความแม่นยำการจำแนกสูงสุด 98% อื่น ๆ เป้าหมายหลักของเอกสารนี้คือการ ให้ผลยอดเยี่ยมของ MRI สมองมะเร็งประเภทอัตราใช้ SVM KNN

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอระบบการจำแนกทางปัญญาที่จะรับรู้ภาพ MRI สมองปกติและผิดปกติ ปัจจุบันการตัดสินใจและการรักษาเนื้องอกในสมองจะขึ้นอยู่กับอาการและลักษณะรังสี ถ่ายภาพด้วยคลื่นแม่เหล็ก (MRI) เป็นเครื่องมือในการควบคุมที่สำคัญที่สุดสำหรับการตัดสินทางกายวิภาคของเนื้องอกในสมอง ในการตรวจสอบปัจจุบันเทคนิคต่างๆถูกนำมาใช้สำหรับการจำแนกประเภทของโรคมะเร็งสมอง ภายใต้เทคนิคเหล่านี้ preprocessing ภาพดึงภาพและการจำแนกตามมาของโรคมะเร็งสมองจะดำเนินการประสบความสำเร็จ เมื่อเทคนิคการเรียนรู้เครื่องที่แตกต่างกัน: การสนับสนุนเวกเตอร์เครื่อง (SVM) K- เพื่อนบ้านที่ใกล้ที่สุด (KNN) และไฮบริดลักษณนาม (SVM-KNN) ถูกนำมาใช้ในการจำแนก 50 ภาพก็จะสังเกตได้จากผลลัพธ์ที่ลักษณนามไฮบริด SVM-KNN แสดงให้เห็นถึง อัตราความถูกต้องจำแนกสูงสุด 98% อื่น ๆ ในกลุ่ม เป้าหมายหลักของการวิจัยนี้คือการให้ผลที่ดีของ MRI สมองโรคมะเร็งอัตราการจัดหมวดหมู่โดยใช้ SVM-KNN

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอระบบการจำแนกทางปัญญาที่จะรับรู้ภาพที่ปกติและผิดปกติ สมอง MRI ปัจจุบัน การตัดสินใจและการรักษาเนื้องอกสมองจะขึ้นอยู่กับอาการและลักษณะที่ปรากฏของรังสีวิทยา การสร้างภาพด้วยเรโซแนนซ์แม่เหล็ก ( MRI ) เป็นเครื่องมือที่สำคัญที่สุดสำหรับการควบคุมทั้งเนื้องอกภายในสมอง ในการสอบสวนเสนอ เทคนิคต่าง ๆที่ใช้สำหรับประเภทของมะเร็งสมอง ภายใต้เทคนิคเหล่านี้ภาพ preprocessing , การสกัดคุณลักษณะของภาพ และประเภทของมะเร็งสมองที่ตามมาคือความสำเร็จ เมื่อเครื่องที่แตกต่างกันเรียนรู้เทคนิค : เครื่องเวกเตอร์สนับสนุน ( SVM ) , K - เพื่อนบ้านที่ใกล้ที่สุด ( knn ) และลูกผสมลักษณนาม ( svm-knn ) ถูกใช้เพื่อแยก 50 ภาพ จะสังเกตได้จากผลลัพธ์ที่ไฮบริดแบบ svm-knn แสดงความแม่นยำในการจำแนกสูงสุดอัตรา 98% ในหมู่คนอื่น ๆ เป้าหมายหลักของงานวิจัยนี้คือ เพื่อให้ได้ผลลัพธ์ที่ยอดเยี่ยมของ MRI สมองมะเร็งอัตราการจำแนกการใช้ svm-knn .