TY -的A2 Archontis乔治AU -卢卡,c . AU - Kostopoulos s . AU - Tanoglidi a . AU - Glotsos d . AU - Sfikas, c . AU - Cavouras d . PY - 2013 DA - 2013/08/31 TI -乳腺癌描述基于图像分类的组织部分可视化在低放大率SP - 829461六世- 2013 AB -快速评估的组织切片是现代组织病理学的一个关键问题。乳腺癌的诊断、细胞核的形状和组织架构模式的评价在高和低的放大,分别。在这项研究中,我们关注的发展模式分类评估乳腺癌的图像捕捉系统在低放大率(×10)。六十五个地区的利益选择从60岁乳腺癌组织的图像部分。纹理分析提供30每图像纹理特征。三种不同的模式识别算法是采用(资讯,支持向量机,并通过对图像分类为三个恶性肿瘤等次》。分类器的验证与分析(培训)和交叉验证(测试)模式。平均歧视资讯的效率,支持向量机,并通过分类器在训练模式是接近97%,95%,和97%,分别在测试模式,而平均分类精度达到86%,85%,和90%,分别。评估乳腺癌组织部分可以应用在复杂的大规模图像使用结构特性和模式分类器。该技术提供了一些好处,如速度分析和自动化,有可能取代视觉检查的艰苦的任务。 SN - 1748-670X UR - https://doi.org/10.1155/2013/829461 DO - 10.1155/2013/829461 JF - Computational and Mathematical Methods in Medicine PB - Hindawi Publishing Corporation KW - ER -