Andere Kunden interessierten sich auch für
![Malaria Parasite Detection In Blood Smear Images: A Biomedical Approach]( "Malaria Parasite Detection In Blood Smear Images: A Biomedical Approach")
Malaria Parasite Detection In Blood Smear Images: A Biomedical Approach26,99 €![Uma Abordagem Inteligente de Pintura por Objectos para Reparação de Vídeo]( "Uma Abordagem Inteligente de Pintura por Objectos para Reparação de Vídeo")
Uma Abordagem Inteligente de Pintura por Objectos para Reparação de Vídeo26,99 €![Uma abordagem para a identificação de notas falsas em papel]( "Uma abordagem para a identificação de notas falsas em papel")
Uma abordagem para a identificação de notas falsas em papel26,99 €![Uma nova abordagem à multiplexagem de frequências]( "Uma nova abordagem à multiplexagem de frequências")
Uma nova abordagem à multiplexagem de frequências29,99 €![Reconhecimento de placas numéricas usando uma segmentação melhorada]( "Reconhecimento de placas numéricas usando uma segmentação melhorada")
Reconhecimento de placas numéricas usando uma segmentação melhorada36,99 €![UMA ABORDAGEM ABRANGENTE PARA O DESENVOLVIMENTO DE UM SISTEMA INTELIGENTE]( "UMA ABORDAGEM ABRANGENTE PARA O DESENVOLVIMENTO DE UM SISTEMA INTELIGENTE")
UMA ABORDAGEM ABRANGENTE PARA O DESENVOLVIMENTO DE UM SISTEMA INTELIGENTE40,99 €![Uma Abordagem Avançada sobre Inversor Baseado em Microcontrolador]( "Uma Abordagem Avançada sobre Inversor Baseado em Microcontrolador")
Uma Abordagem Avançada sobre Inversor Baseado em Microcontrolador36,99 €
A malária é uma doença infecciosa que é diagnosticada principalmente pela avaliação microscópica visual de esfregaços de sangue corados com Giemsa. Como representa um grave problema de saúde global, a automatização do processo de avaliação é de grande importância. Assim, para o diagnóstico da malária criamos uma base de dados de glóbulos vermelhos não infectados e células infectadas por parasitas da malária e avaliamos o desempenho dessas características no conjunto de glóbulos vermelhos da base de dados criada. Para automatizar o processo de criação da base de dados, é proposto um método de segmentação, a saber, a Retenção Mínima de Erro de Poisson, que determinou as regiões na imagem original correspondentes aos glóbulos vermelhos individuais, parasitas e células sobrepostas e ocluídas separadas. A parte principal deste trabalho é dedicada à extração de características das imagens de eritrócitos que poderiam ser usadas para distinguir entre eritrócitos infectados e não infectados. Propomos um conjunto de características baseado na distância e intensidade celular e, portanto, avaliamos o desempenho dessas características com o conjunto de dados de treinamento composto por pontos de características infectadas e não infectadas. Os resultados demonstraram que estas características podem ser utilizadas com sucesso.