| کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن | 
|---|---|---|---|---|
| 1589363 | 1515171 | 2012 | 13 صفحه PDF | دانلود رایگان | 
عنوان انگلیسی مقاله ISI
												Automated oral cancer identification using histopathological images: A hybrid feature extraction paradigm
												
											دانلود مقاله + سفارش ترجمه
													دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
																																												کلمات کلیدی
												Severe dysplasiaCISBPNNmild dysplasiaLTEKNNLBPOMIOSFMODMIDGMMHOS - ATk-nearest neighbor - K نزدیکترین همسایهLocal Binary Pattern - الگوی دودویی محلیLinear discriminant analysis - تجزیه و تحلیل خطی خطیLDA - تخصیص پنهان دیریکلهComputer assisted diagnosis - تشخیص کامپیوتر کمک می کندDecision tree - درخت تصمیمFuzzy - درهمOral cancer - سرطان دهانBack propagation neural network - شبکه عصبی پخش مستقیمCAD - طراحی به کمک رایانه یا کَدHigher order spectra - طیف ترتیب بالاترOral submucous fibrosis - فیبروز دهان و دندانGaussian mixture model - مدل مخلوط Gaussianhaematoxylin and eosin - هماتوکسیلین و ائوزینHistopathology - هیستوپاتولوژیCarcinoma in situ - کارسینوم درجا
												موضوعات مرتبط
												
													مهندسی و علوم پایه
													مهندسی مواد
													دانش مواد (عمومی)
												
											پیش نمایش صفحه اول مقاله
												
												چکیده انگلیسی
												⺠Accurate screening of OSF biopsy images is important for prognosis, treatment planning. ⺠The proposed approach is to grade the oral histopathological tissue sections into normal, OSFWD and OSFD. ⺠An integrated index (OMI) using texture features is proposed to discriminate normal or OSF images. ⺠This system is fast, cast effective and accurate.
											ناشر
												Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Micron - Volume 43, Issues 2â3, February 2012, Pages 352-364
											Journal: Micron - Volume 43, Issues 2â3, February 2012, Pages 352-364
نویسندگان
												M. Muthu Rama Krishnan, Vikram Venkatraghavan, U. Rajendra Acharya, Mousumi Pal, Ranjan Rashmi Paul, Lim Choo Min, Ajoy Kumar Ray, Jyotirmoy Chatterjee, Chandan Chakraborty,