Bu kaydın yasal hükümlere uygun olmadığını düşünüyorsanız lütfen sayfa sonundaki Hata Bildir bağlantısını takip ederek bildirimde bulununuz. Kayıtlar ilgili üniversite yöneticileri tarafından eklenmektedir. Nadiren de olsa kayıtlarla ilgili hatalar oluşabilmektedir. MİTOS internet üzerindeki herhangi bir ödev sitesi değildir!

Classification of parasite egg cells using gray level cooccurence matrix and kNN.

Oluşturulma Tarihi:

Niteleme Bilgileri

Tür: Makale

Yayınlanma Durumu: Yayınlanmış

Dosya Biçimi: Dosya Yok

Dil: İngilizce

Konu(lar): TEKNOLOJİ,

Yazar(lar): Şengül, Gökhan (Yazar),

Emeği Geçen(ler):


Yayın Adı: Biomedical Research Yayın Tarihi: 2016 Sayı: 3 Cilt: 27 Yayınlandığı Sayfalar: 829-834


Dosya:
Dosya Yok

Anahtar Kelimeler

Parasite egg cells, Classification, Gray level co-occurence matrix.


Özet

Parasite eggs are around 20 to 80 μm dimensions, and they can be seen under microscopes only and their detection requires visual analyses of microscopic images, which requires human expertise and long analysis time. Besides visual analysis is very error prone to human procedures. In order to automatize this process, a number of studies are proposed in the literature. But there is still a gap between the preferred performance and the reported ones and it is necessary to increase the performance of the automatic parasite egg classification approaches. In this study a learning based statistical pattern recognition approach for parasite egg classification is proposed that will both decrease the time required for the manual classification by an expert and increase the performance of the previously suggested automated parasite egg classification approaches. The proposed method uses Gray-Level Co-occurrence Matrix as the feature extractor, which is a texture based statistical method that can differentiate the parasite egg cells based on their textures, and the k-Nearest Neighbourhood (kNN) classifier for the classification. The proposed method is tested on 14 parasite egg types commonly seen in humans. The results show that proposed method can classify the parasite egg cells with a performance rate of 99%.


İçindekiler



Açıklamalar



Haklar



Notlar

Tam metin erişim için URL'yi tıklayınız.


Kaynakça


Atıf Yapanlar

Gözat Sayfasına Dön

 

Sosyal Medya ve Araçlar

İstatistikler

  • Kayıt
    • Bu ay: 52
    • Toplam: 2298
  • Online
    • Ziyaretçi: 69
    • Üye: 0
    • Toplam: 69

Detaylı İstatistikler