43,90 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
0 °P sammeln
  • Broschiertes Buch

Gebärmutterhalskrebs, die zweithäufigste Krebsart weltweit, ist bei frühzeitiger Erkennung gut heilbar. In ländlichen Gebieten ist die Sterblichkeitsrate jedoch aufgrund schlechter Ressourcen und begrenzter Vorsorgeprogramme hoch. Die automatisierte Diagnose kann diese Lücken schließen, indem sie abnorme Pap-Abstrichzellen anhand ihrer Kernform unterscheidet. In dieser Studie werden Segmentierungsmethoden anhand des AGMC-TU Pap-Abstrich-Datensatzes evaluiert, wobei eine Klassifizierungsgenauigkeit von 92,83 % mit SVM Linear und eine Verbesserung auf 97,65 % mit optimierten Merkmalen und der…mehr

Produktbeschreibung
Gebärmutterhalskrebs, die zweithäufigste Krebsart weltweit, ist bei frühzeitiger Erkennung gut heilbar. In ländlichen Gebieten ist die Sterblichkeitsrate jedoch aufgrund schlechter Ressourcen und begrenzter Vorsorgeprogramme hoch. Die automatisierte Diagnose kann diese Lücken schließen, indem sie abnorme Pap-Abstrichzellen anhand ihrer Kernform unterscheidet. In dieser Studie werden Segmentierungsmethoden anhand des AGMC-TU Pap-Abstrich-Datensatzes evaluiert, wobei eine Klassifizierungsgenauigkeit von 92,83 % mit SVM Linear und eine Verbesserung auf 97,65 % mit optimierten Merkmalen und der FCM-Methode erzielt wurde. Eine genaue Segmentierung des Zellkerns ist entscheidend für eine zuverlässige Vorhersage abnormaler Zellen und verbessert die Effizienz des Gebärmutterhalskrebs-Screenings.
Autorenporträt
Bhabna De è professore assistente presso il Dipartimento di Informatica e Ingegneria, con esperienza nell'elaborazione di immagini digitali. Appassionata di integrazione tra ricerca e insegnamento, si impegna attivamente nello sviluppo di programmi di studio e nella collaborazione con l'industria per preparare gli studenti a carriere orientate alla tecnologia.