Automatic classification of colorectal and prostatic histologic tumor images using multiscale multispectral local binary pattern texture features and stacked generalization

این مقاله یک روش چند منظوره چند بعدی چند بعدی برای استخراج ویژگی های الگوی باینری محلی برای طبقه بندی خودکار نمونه های بیوپسی تومورهای کولورکتال و پروستات ارائه می دهد. یک روش طبقه بندی طبقه بندی چند سطحی طبقه بندی شده نیز پیشنهاد شده است و ایده کلیدی مقاله، یک مشکل تشخیصی درجه است، نه یک مشکل بافت بدنی ساده در مقابل بافت تومور، با استفاده از مفهوم تصاویر چند بعدی در هر دو طیف مرئی و نزدیک مادون قرمز. برای تأیید صحت عملکرد الگوریتم پیشنهاد شده، یک مطالعه مقایسه ای در برابر کارهای مرتبط با تصاویر چند بعدی، شامل ارزیابی در سه مجموعه داده چندکلاس مختلف از تصاویر هیستولوژیک چند بعدی است: دو تصویر نشان داده شده از بیوپسی های کولورکتال - یک مجموعه داده در طیف قابل مشاهده در حالی که قطاری دوم طیف های نزدیک به مادون قرمز الگوریتم پیشنهادی در دیتا های مختلف با دقت 99.6٪ حاصل می شود. نتایج بدست آمده نشان دهنده مزایای طول موج های مادون قرمز برای گرفتن اطلاعات بیشتر از اطلاعات جدی است. نتایج بدست آمده نشان می دهد که الگوریتم پیشنهادی ما سایر روش های مشابه را بهتر عمل می کند.