To better determine the wound bound

To better determine the wound boundary and classify wound
tissues, researchers have applied image segmentation and supervised
machine learning algorithm for wound analysis. A French
research group proposed a method of using a support vector
machine (SVM)-based wound classification method [10], [11].
The same idea has also been employed in [12] for the detection
of melanoma at a curable stage. Although the SVM classifier
method led to good results on typical wound images [10], it is
not feasible to implement the training process and the feature
extraction on current smartphones due to its computational demands.
Furthermore, the supervised learning algorithm requires
a large number of training image samples and experienced clinical
input, which is difficult and costly.

ผลลัพธ์ (ไทย) 1:

เพื่อกำหนดขอบเขตของแผล และแผลการจัดประเภทเนื้อเยื่อ นักวิจัยได้ใช้แบ่งส่วนรูปภาพ และแบบมีผู้สอนเครื่องเรียนรู้อัลกอริทึมสำหรับแผลวิเคราะห์ ภาษาฝรั่งเศสนำเสนอวิธีการใช้เวกเตอร์สนับสนุนกลุ่มวิจัยเครื่อง (SVM) -ตามแผลการจัดประเภทวิธี [10], [11]ยังรับจ้างใน [12] คิดเหมือนกันสำหรับการตรวจพบของเมลาโนมาในขั้นตอนสมัคร แม้ว่า SVM classifierมันเป็นวิธีที่นำไปสู่ผลลัพธ์ที่ดีกับภาพบาดแผลทั่วไป [10],ไม่เป็นไปได้ที่จะใช้กระบวนการฝึกอบรมและลักษณะการทำงานแยกบนสมาร์ทโฟนที่ปัจจุบันเนื่องจากความต้องการของคอมพิวเตอร์นอกจากนี้ การเรียนรู้ที่มีอัลกอริทึมต้องตัวอย่างภาพการฝึกอบรมเป็นจำนวนมาก และมีประสบการณ์ทางคลินิกป้อนข้อมูล ซึ่งเป็นเรื่องยาก และเสียค่าใช้จ่าย

ผลลัพธ์ (ไทย) 2:

ที่ดีกว่าการตรวจสอบขอบเขตแผลและแยกประเภทแผลเนื้อเยื่อนักวิจัยได้นำมาใช้การแบ่งส่วนภาพภายใต้การดูแลและขั้นตอนวิธีการเรียนรู้เครื่องสำหรับการวิเคราะห์แผล ฝรั่งเศสกลุ่มวิจัยที่นำเสนอวิธีการใช้การสนับสนุนเวกเตอร์เครื่อง(SVM) -Based วิธีการจัดหมวดหมู่แผล [10] [11]. ความคิดเดียวกันยังได้รับการว่าจ้างใน [12] สำหรับการตรวจสอบของเนื้องอกในขั้นตอนรักษาได้ แม้ว่าลักษณนาม SVM วิธีนำไปสู่ผลลัพธ์ที่ดีในภาพแผลทั่วไป [10] มันเป็นไปไม่ได้ที่จะใช้กระบวนการฝึกอบรมและคุณลักษณะการสกัดมาร์ทโฟนในปัจจุบันเนื่องจากความต้องการการคำนวณของ. นอกจากนี้ขั้นตอนวิธีการเรียนรู้ภายใต้การดูแลต้องใช้เป็นจำนวนมากการฝึกอบรมและภาพตัวอย่างทางคลินิกที่มีประสบการณ์การป้อนข้อมูลซึ่งเป็นเรื่องยากและมีราคาแพง

ผลลัพธ์ (ไทย) 3:

การกำหนดขอบเขตและดีกว่า แผลแยกเนื้อเยื่อแผล
, นักวิจัยได้ประยุกต์การแบ่งส่วนภาพและดูแล
อัลกอริทึมการวิเคราะห์แผล กลุ่มงานวิจัยฝรั่งเศส
เสนอวิธีการใช้สนับสนุนเวกเตอร์เครื่องจักร
( SVM ) ซึ่งบาดแผลการจำแนกวิธี [ 10 ] [ 11 ] .
ความคิดเดียวกันยังถูกใช้ใน [ 12 ] ตรวจหา
ของเนื้องอกในขั้นตอนที่สามารถเยียวยารักษาได้แม้ว่า SVM ลักษณนาม
วิธีนำไปสู่ผลลัพธ์ที่ดีโดยทั่วไปแผลภาพ [ 10 ] มัน
ไม่เป็นไปได้ที่จะใช้กระบวนการฝึกอบรมและคุณลักษณะ
การสกัดสมาร์ทโฟนปัจจุบัน เนื่องจากความต้องการคอมพิวเตอร์ของ .
นอกจากนี้ การใช้อัลกอริทึมการเรียนรู้
จำนวนมากของการฝึกอบรมและประสบการณ์ตัวอย่างภาพเข้าคลินิก
, ซึ่งเป็นเรื่องยากและราคาแพง