Andere Kunden interessierten sich auch für
![Analisi delle tecniche di rilevamento dello spettro nelle radio cognitive con MATLAB]( "Analisi delle tecniche di rilevamento dello spettro nelle radio cognitive con MATLAB")
Analisi delle tecniche di rilevamento dello spettro nelle radio cognitive con MATLAB29,99 €![Uno studio sul rilevamento dei cambiamenti nelle immagini iperspettrali]( "Uno studio sul rilevamento dei cambiamenti nelle immagini iperspettrali")
Uno studio sul rilevamento dei cambiamenti nelle immagini iperspettrali26,99 €![UN APPROCCIO GLOBALE PER LO SVILUPPO DI UN SISTEMA INTELLIGENTE]( "UN APPROCCIO GLOBALE PER LO SVILUPPO DI UN SISTEMA INTELLIGENTE")
UN APPROCCIO GLOBALE PER LO SVILUPPO DI UN SISTEMA INTELLIGENTE40,99 €![Studio degli algoritmi di segmentazione delle immagini digitali]( "Studio degli algoritmi di segmentazione delle immagini digitali")
Studio degli algoritmi di segmentazione delle immagini digitali23,99 €![Recupero di immagini basato sui contenuti con l'ausilio della Support Vector Machine (SVM)]( "Recupero di immagini basato sui contenuti con l'ausilio della Support Vector Machine (SVM)")
Recupero di immagini basato sui contenuti con l'ausilio della Support Vector Machine (SVM)26,99 €![Implementazione del rilevamento dello spettro: Rete radio cognitiva 5G su USRP]( "Implementazione del rilevamento dello spettro: Rete radio cognitiva 5G su USRP")
Implementazione del rilevamento dello spettro: Rete radio cognitiva 5G su USRP26,99 €![Implementazione della segmentazione delle immagini con MATLAB]( "Implementazione della segmentazione delle immagini con MATLAB")
Implementazione della segmentazione delle immagini con MATLAB44,99 €
La malaria è una malattia infettiva che viene diagnosticata principalmente attraverso la valutazione microscopica visiva di strisci di sangue colorati con Giemsa. Poiché rappresenta un grave problema di salute globale, l'automazione del processo di valutazione è di grande importanza. Quindi, per la diagnosi della malaria, creiamo un database di globuli rossi non infetti e di cellule infettate dai parassiti della malaria e valutiamo le prestazioni di queste caratteristiche sul set di globuli rossi del database creato. Per automatizzare il processo di creazione del database, viene proposto un metodo di segmentazione, il Poisson's Minimum Error Thesholding, che ha determinato le regioni nell'immagine originale corrispondenti ai singoli globuli rossi, ai parassiti e alle cellule separate sovrapposte e occluse. La parte principale di questo lavoro è dedicata all'estrazione di caratteristiche dalle immagini dei globuli rossi che potrebbero essere utilizzate per distinguere tra globuli rossi infetti e non infetti. Proponiamo un set di caratteristiche basate sulla distanza e l'intensità cellulare e quindi valutiamo le prestazioni di queste caratteristiche con il set di dati di allenamento composto da punti caratteristici infetti e non infetti. I risultati hanno dimostrato che queste caratteristiche potrebbero essere utilizzate con successo.