• الرئیسیة
  • البحث المتقدم
  • قائمة المکتبات
  • حول الموقع
  • اتصل بنا
  • نشأة

عنوان
A hybrid machine learning classification method for melanoma diagnosis in Dermascopic images

پدید آورنده
Zeyad Jameel Halwas,Jameel Halwas,

موضوع
Dermascopic images, Melanoma, SVM.,تصاویر درماسکوپیک, ملانوماSVM,

رده

کتابخانه
المكتبة المركزية بجامعة تبريز و مركز التوثيق والنشر

محل استقرار
استان: أذربایجان الشرقیة ـ شهر: تبریز

المكتبة المركزية بجامعة تبريز و مركز التوثيق والنشر

تماس با کتابخانه : 04133294120-04133294118

T28771

انگلیسی

A hybrid machine learning classification method for melanoma diagnosis in Dermascopic images
Dissertation
Zeyad Jameel Halwas

computer
1402

65p.
cd

M.S.
computer
1402/03/17

Changes in the human body's metabolism are the cause of skin malignancies. Increased exposure to UV light from the sun is the primary cause of skin cancer growth. Melanoma, a fatal kind of skin tumor, has become more prevalent recently. Melanoma is the most lethal type of skin cancer, but it accounts for only 1% of all instances, according to data from the American Cancer Society. Nevertheless, they cause a greater fatality rate. Dermatologists can increase the likelihood of a good outcome and ultimately save lives by utilizing the power of machine learning algorithms. A dataset containing forms of this type of cancer was used to test and train the suggested method, which demonstrated high accuracy in identifying both melanoma and non-melanoma by reaching RBF 67.4%, polynomial accuracy of 99.3 %, and linear accuracy of 99.1%.
تغییر در متابولیسم بدن انسان عامل بدخیمی های پوستی است. افزایش قرار گرفتن در معرض اشعه ماوراء بنفش خورشید را میتوان دلیل اصلی رشد سرطان پوست دانست . ملانوما، نوعی تومور کشنده پوست است که اخیراً شیوع بیشتری پیدا کرده است. طبق داده‌های انجمن سرطان آمریکا، ملانوما کشنده‌ترین نوع سرطان پوست است، اما تنها 1 درصد از تمام موارد را تشکیل می‌دهد. با این وجود، آنها باعث مرگ و میر بیشتر می شوند. متخصصان پوست می توانند با استفاده از قدرت الگوریتم های یادگیری ماشینی، احتمال یک نتیجه خوب را افزایش دهند و در نهایت زندگی را نجات دهند. یک مجموعه داده حاوی اشکال این نوع سرطان برای آزمایش و آموزش روش پیشنهادی استفاده شد که با رسیدن به RBF 67.4٪، دقت چند جمله ای 99.1٪ و دقت خطی 99.3٪ دقت بالایی در شناسایی ملانوما و غیر ملانوم را نشان داد.

ارائه یک طبقه بند ترکیبی مبتنی بر يادگيري ماشين برای تشخیص ملانوما در تصاویر درماسکوپیک

Dermascopic images, Melanoma, SVM.
تصاویر درماسکوپیک, ملانوماSVM,

Jameel Halwas,
Zeyad
Producer

Salehpour,
Zolfy Lighvan,
Pedram
Mina
Thesis advisor
Consulting advisor
Consulting advisor

Tabriz

ایران
central library of Tabriz univercity
20230701

ارشد پایاننامه QA76.J2 1402

Zeyad Jameel Halwas
احدی

e

TL
276903

a
Y

الاقتراح / اعلان الخلل

تحذیر! دقق في تسجیل المعلومات
ارسال عودة
تتم إدارة هذا الموقع عبر مؤسسة دار الحديث العلمية - الثقافية ومركز البحوث الكمبيوترية للعلوم الإسلامية (نور)
المكتبات هي المسؤولة عن صحة المعلومات كما أن الحقوق المعنوية للمعلومات متعلقة بها
برترین جستجوگر - پنجمین جشنواره رسانه های دیجیتال