Combination Shape and Texture Features in Diagnosis skin cancer
- سال انتشار: 1391
- محل انتشار: نوزدهمین کنفرانس مهندسی پزشکی ایران
- کد COI اختصاصی: ICBME19_002
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1437
نویسندگان
Department of Electrical Engineering and Computer Science, Tarbiat Modares University, Tehran ۱۴۱۱۵, Iran
۱Department of Electrical Engineering and Computer Science, Tarbiat Modares University, Tehran ۱۴۱۱۵, Iran
چکیده
A novel method to detect the skin cancer by using adaptive Computer-Aided Diagnosis (CADx) in dermoscopy images is presented. After distinguishing of lesion, shape and texture features is extracted from Regions of Interest (ROI). Zernike polynomials and NRL features are utilized as descriptors of shape characteristics. Also, texture features are extracted by GLCM, GLRLM, PSD and Ripplet transform. Valuable feature reduce with principle component analysis (PCA) and proposed method and fused together. Then, Multi-layer Perceptron (MLP), support vector machine (SVM), k-nearest neighbor (k-NN), Naïve Bayes, classify them. As a result, the diagnostic accuracy of melanoma and Area under an ROC curve (Az) is improved, simultaneously. Az in PCA and proposed methods are calculated 0.872 and 0.912 and also maximum classification accuracy are calculated 92.07 and 94.73. To compare the relative performance of the designs presented in the literature, a Fig. of merit (FOM) is proposed. Improvement of proposed method compared to the previous works is evident from simulation results.کلیدواژه ها
CBIR, Melanoma, Power Spectral Density, Ripplet Transform, Texture Featuresمقالات مرتبط جدید
- مدلسازی و شبیه سازی جبران ساز سری سنکرون استاتیکی توزیع برای حل چالش های شبکه توزیع بر پایه الگوریتم بهینه سازی گرگ خاکستری
- Adaptive Control Strategies for Fast Charging of EVs with Battery Degradation Mitigation
- شناسایی مانع با استفاده از دید استریو برای خودروهای بدون سرنشین
- Multi-Gbest Decomposition for Many-Objective Optimization
- ترکیب منابع انرژی پیزوالکتریک و ترموالکتریک به منظور افزایش کارایی سیستم های برداشت انرژی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.