TY -的A2廖伊曼易盟——Nanmaran r . AU - Srimathi, s . AU -亚穆纳河,g . AU - Thanigaivel s . AU - Vickram a . s . AU - Priya a . k . AU - Karthick Alagar盟——Karpagam j . AU - Mohanavel诉盟——Muhibbullah m . PY - 2022 DA - 2022/02/07 TI -调查角色脑肿瘤分类的图像融合模型基于机器学习算法的个性化医学SP - 7137524六世- 2022 AB -可以进行图像融合图像在空间域或频域方法。频域方法将最喜欢,因为这些方法能提高图像中的边缘的质量。融合图像在图像融合中,结果将比单个输入图像信息,因此更适合于分类问题。人工智能(AI)算法发挥重要作用在改善病人的治疗在医疗保健行业,从而改善个性化医疗。本研究工作分析的作用在一种改进的图像融合脑瘤分类模型,和这部小说fusion-based癌症分类模型可以用于个性化药物更有效。图像融合可以提高合成图像的质量,从而提高分类器的结果。而不是使用单个输入图像、高质量的融合图像将提供更好的分类结果。最初,对比度自适应直方图均衡化预处理技术有限的输入图像,如核磁共振和SPECT图像。良性和恶性类应用脑肿瘤图像离散余弦transform-based融合方法获得融合图像。人工智能算法,如支持向量机分类器,然而,分类器和决策树分类器进行测试与功能获得融合图像处理结果并与从单个输入图像。 Performances of classifiers are measured using the parameters accuracy, precision, recall, specificity, and F 1分。SVM分类器提供的最大精度96.8%,精度为95%,召回94%,特异性为93%, F 1分91%,表现优于资讯和决策树分类器使用从融合图像中提取特征时。该方法的结果与现有的方法相比,提供令人满意的结果。SN - 1748 - 670 - 2022/7137524 / 10.1155 x你——https://doi.org/10.1155/2022/7137524——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER