The paper presents two methods of texture features generation for recognition between neoplasm and non-neoplasm cells in cancer diagnosis. There are few problems which need to be solved to achieve the best results: differentiable images, extraction of the individual cell image, selection of the most important features. We propose two models solving all of these problems. We compare the consequences of implementation Unser’s selected texture features and Markov Random Field model. The results of numerical experiments have shown in both methods quite good accuracy in recognizing cells. The proposed methods have proved to be useful in practical application at the diagnosis of cancer.
PL
Referat przedstawia zastosowanie generacji cech teksturalnych w rozpoznawaniu komórek nowotworowych. Proces rozróżniania komórek jest dość złożony ze względu naturalną złożoność obrazów, konieczność ekstrakcji pojedynczej komórki obrazu oraz trudności w wyborze odpowiednio różnicującej cechy. W pracy porównane zostały efekty zastosowania dwóch rodzajów modeli – opartego na cechach Unsera oraz modelu Markova. Główny nacisk pracy położony jest na praktyczne zastosowanie obu metod w diagnozie nowotworowej.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.