Andere Kunden interessierten sich auch für
![Ein Überblick über einige Algorithmen zur Erkennung lokaler Merkmale]( "Ein Überblick über einige Algorithmen zur Erkennung lokaler Merkmale")
Ein Überblick über einige Algorithmen zur Erkennung lokaler Merkmale35,90 €![Entstehungsgeschichte der weltgrößten]( "Entstehungsgeschichte der weltgrößten")
Entstehungsgeschichte der weltgrößten39,90 €![Neugestaltung der Anlagenanordnung mithilfe eines Link-Mechanismus]( "Neugestaltung der Anlagenanordnung mithilfe eines Link-Mechanismus")
Neugestaltung der Anlagenanordnung mithilfe eines Link-Mechanismus35,90 €![Korpus Cäcus]( "Korpus Cäcus")
Korpus Cäcus39,90 €![Bildunterschrift]( "Bildunterschrift")
Bildunterschrift43,90 €![Organische Chemie]( "Organische Chemie")
Organische Chemie43,90 €![Entwurf und Verarbeitung relationaler Datenbanken]( "Entwurf und Verarbeitung relationaler Datenbanken")
Entwurf und Verarbeitung relationaler Datenbanken21,95 €
Die Morphologie der Netzhaut weist auf Krankheiten wie diabetische Retinopathie, Glaukom und Bluthochdruck hin. Die automatische Extraktion von Läsionen aus Netzhautbildern kann bei der Früherkennung und dem Screening häufiger Krankheiten wie der diabetischen Retinopathie helfen. Die automatisierte Identifizierung von Exsudatpathologien in Retinopathie-Fundusbildern basiert auf Fuzzy-Clustering. Dieser Ansatz verwendet eine einzigartige sequenzielle Ausführung morphologischer Operatoren, um Fundusbildmerkmale wie Gefäße, rote Läsionen und weiße Läsionen zusammen mit einer Texturmerkmalanalyse zu extrahieren. Schließlich werden die ausgewählten Merkmale an den bekannten Support-Vector-Machine-(SVM)-Klassifikator übergeben, der die Bilder in normale und abnormale Klassen klassifiziert und abnormale Bereiche extrahiert werden können.