Andere Kunden interessierten sich auch für
![EIN UMFASSENDER ANSATZ ZUR ENTWICKLUNG INTELLIGENTER SYSTEME]( "EIN UMFASSENDER ANSATZ ZUR ENTWICKLUNG INTELLIGENTER SYSTEME")
EIN UMFASSENDER ANSATZ ZUR ENTWICKLUNG INTELLIGENTER SYSTEME61,90 €![Techniken zur Segmentierung von unscharfen Bildern]( "Techniken zur Segmentierung von unscharfen Bildern")
Techniken zur Segmentierung von unscharfen Bildern39,90 €![Deep-Learning-Methoden für die Bildextraktion retinaler Blutgefäße]( "Deep-Learning-Methoden für die Bildextraktion retinaler Blutgefäße")
Deep-Learning-Methoden für die Bildextraktion retinaler Blutgefäße68,90 €![Erkennung von handgeschriebenen Devanagari-Ziffern mithilfe eines neuronalen Netzwerks]( "Erkennung von handgeschriebenen Devanagari-Ziffern mithilfe eines neuronalen Netzwerks")
Erkennung von handgeschriebenen Devanagari-Ziffern mithilfe eines neuronalen Netzwerks49,90 €![Nachweis von Knochen-, Haut- und Lungenkrebs in Röntgenbildern]( "Nachweis von Knochen-, Haut- und Lungenkrebs in Röntgenbildern")
Nachweis von Knochen-, Haut- und Lungenkrebs in Röntgenbildern26,90 €![Rilevamento del parassita della malaria Nelle immagini dello striscio di sangue: Un approccio biomedico]( "Rilevamento del parassita della malaria Nelle immagini dello striscio di sangue: Un approccio biomedico")
Rilevamento del parassita della malaria Nelle immagini dello striscio di sangue: Un approccio biomedico26,99 €![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 €
Malaria ist eine Infektionskrankheit, die hauptsächlich durch visuelle mikroskopische Auswertung von Giemsa-gefärbten Blutausstrichen diagnostiziert wird. Da sie ein ernstes globales Gesundheitsproblem darstellt, ist die Automatisierung des Auswerteprozesses von großer Bedeutung. Zur Diagnose von Malaria erstellen wir daher eine Datenbank mit nicht infizierten und mit Malariaparasiten infizierten roten Blutkörperchen und bewerten die Leistung dieser Merkmale anhand der roten Blutkörperchen aus der erstellten Datenbank. Um den Prozess der Datenbankerstellung zu automatisieren, wird eine Segmentierungsmethode, nämlich Poisson's Minimum Error Thesholding, vorgeschlagen, die die Regionen im Originalbild bestimmt, die den einzelnen roten Blutkörperchen, Parasiten und getrennten überlappenden und verdeckten Zellen entsprechen. Der Hauptteil dieser Arbeit ist der Extraktion von Merkmalen aus den Bildern der roten Blutkörperchen gewidmet, die zur Unterscheidung zwischen infizierten und nicht infizierten roten Blutkörperchen verwendet werden können. Wir schlagen eine Reihe von Merkmalen vor, die auf dem Zellabstand und der Intensität basieren, und bewerten die Leistung dieser Merkmale mit einem Trainingsdatensatz aus infizierten und nicht infizierten Merkmalspunkten. Die Ergebnisse haben gezeigt, dass diese Merkmale erfolgreich eingesetzt werden können