Colorectal Cancer Tissue Classification Based on Machine Learning

Imam Yuadi, - (2019) Colorectal Cancer Tissue Classification Based on Machine Learning. In: PACIFIC ASIA CONFERENCE ON INFORMATION SYSTEMS (PACIS), PACIS 2019 PROCEEDINGS.

[img] Text
12. Colorectal Cancer.pdf

Download (810kB)
[img] Text
12. kesesuaian Colorectal Cancer.pdf

Download (812kB)
[img] Text
12. turnitin Colorectal Cancer Tissue.pdf

Download (2MB)
Official URL: https://aisel.aisnet.org/cgi/viewcontent.cgi?artic...

Abstract

Untuk patologi digital, pengenalan otomatis berbagai jenis jaringan dalam gambar histologis penting untuk bantuan diagnostik dan perawatan kesehatan. Karena gambar histologi umumnya mengandung lebih dari satu jenis jaringan, analisis tekstur multi-kelas memainkan peran penting untuk memecahkan masalah ini. Studi ini mengkaji fitur statistik penting termasuk Gray Level Co-occurrence Matrix (GLCM), Discrete Wavelet Transform (DWT), filter Spasial, filter Wiener, filter Gabor, fitur Haralick, filter fraktal, dan pola biner lokal (LBP) untuk kanker kolorektal identifikasi jaringan dengan menggunakan support vector machine (SVM) dan decision fusion dari pemilihan fitur. Hasil percobaan rata-rata mencapai tingkat identifikasi tinggi yang secara signifikan lebih unggul dari metode yang dikenal yang ada. Singkatnya, metode yang diusulkan berdasarkan pembelajaran mesin mengungguli teknik yang dijelaskan dalam literatur dan mencapai tingkat akurasi klasifikasi tinggi sebesar 93,17% untuk delapan kelas dan 96,02% untuk sepuluh kelas yang menunjukkan aplikasi yang menjanjikan untuk klasifikasi jaringan kanker dari gambar histologis.

Item Type: Conference or Workshop Item (Paper)
Subjects: H Social Sciences > H Social Sciences (General)
Divisions: 07. Fakultas Ilmu Sosial dan Ilmu Politik > Ilmu Informasi dan Perpustakaan
Creators:
CreatorsNIM
Imam Yuadi, --
Depositing User: ahmad alza
Date Deposited: 17 Mar 2023 07:34
Last Modified: 17 Mar 2023 07:34
URI: http://repository.unair.ac.id/id/eprint/120625
Sosial Share:

Actions (login required)

View Item View Item