Andere Kunden interessierten sich auch für
![Detección de bordes en imágenes de RM mediante un algoritmo morfológico]( "Detección de bordes en imágenes de RM mediante un algoritmo morfológico")
Detección de bordes en imágenes de RM mediante un algoritmo morfológico27,99 €![Detección de cáncer de huesos, piel y pulmón en imágenes de rayos X]( "Detección de cáncer de huesos, piel y pulmón en imágenes de rayos X")
Detección de cáncer de huesos, piel y pulmón en imágenes de rayos X18,99 €![Implementación de la detección del espectro: Red de radio cognitiva 5G en USRP]( "Implementación de la detección del espectro: Red de radio cognitiva 5G en USRP")
Implementación de la detección del espectro: Red de radio cognitiva 5G en USRP27,99 €![La detección del número de gafas a través de la aplicación Android.]( "La detección del número de gafas a través de la aplicación Android.")
La detección del número de gafas a través de la aplicación Android.18,99 €![Una técnica de detección estadística del espectro para la próxima era inalámbrica]( "Una técnica de detección estadística del espectro para la próxima era inalámbrica")
Una técnica de detección estadística del espectro para la próxima era inalámbrica27,99 €![Técnicas de compresión de imágenes basadas en Wavelet para imágenes médicas]( "Técnicas de compresión de imágenes basadas en Wavelet para imágenes médicas")
Técnicas de compresión de imágenes basadas en Wavelet para imágenes médicas27,99 €![Detección de enfermedades de la columna vertebral medianteHOG-SVM]( "Detección de enfermedades de la columna vertebral medianteHOG-SVM")
Detección de enfermedades de la columna vertebral medianteHOG-SVM29,99 €
La malaria es una enfermedad infecciosa que se diagnostica principalmente mediante la evaluación microscópica visual de frotis de sangre teñidos con Giemsa. Dado que representa un grave problema sanitario mundial, la automatización del proceso de evaluación es de gran importancia. Por lo tanto, para el diagnóstico de la malaria creamos una base de datos de glóbulos rojos no infectados y de células infectadas por parásitos de la malaria y evaluamos el rendimiento de estas características en el conjunto de glóbulos rojos de la base de datos creada. Para automatizar el proceso de creación de la base de datos, se propone un método de segmentación, el Poisson's Minimum Error Thesholding, que determina las regiones de la imagen original correspondientes a los glóbulos rojos individuales, los parásitos y las células separadas superpuestas y ocluidas. La parte principal de este trabajo está dedicada a la extracción de características de las imágenes de glóbulos rojos que podrían utilizarse para distinguir entre glóbulos rojos infectados y no infectados. Proponemos un conjunto de características basadas en la distancia e intensidad celular y, por lo tanto, evaluamos el rendimiento de estas características con el conjunto de datos de entrenamiento compuesto por puntos de características infectados y no infectados. Los resultados han demostrado que estas características pueden utilizarse con éxito