شماره کتابشناسی ملی
شماره
T28771
زبان اثر
زبان متن نوشتاري يا گفتاري و مانند آن
انگلیسی
عنوان و نام پديدآور
عنوان اصلي
A hybrid machine learning classification method for melanoma diagnosis in Dermascopic images
نام عام مواد
Dissertation
نام نخستين پديدآور
Zeyad Jameel Halwas
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
computer
تاریخ نشرو بخش و غیره
1402
مشخصات ظاهری
نام خاص و کميت اثر
65p.
ساير جزييات
cd
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
M.S.
نظم درجات
computer
زمان اعطا مدرک
1402/03/17
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
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%.
متن يادداشت
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.
عنوانهای گونه گون دیگر
عنوان گونه گون
ارائه یک طبقه بند ترکیبی مبتنی بر يادگيري ماشين برای تشخیص ملانوما در تصاویر درماسکوپیک
اصطلاحهای موضوعی کنترل نشده
اصطلاح موضوعی
Dermascopic images, Melanoma, SVM.
اصطلاح موضوعی
تصاویر درماسکوپیک, ملانوماSVM,
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
عنصر شناسه اي
Jameel Halwas,
ساير عناصر نام
Zeyad
کد نقش
Producer
نام شخص - ( مسئولیت معنوی درجه دوم )
عنصر شناسه اي
Salehpour,
عنصر شناسه اي
Zolfy Lighvan,
ساير عناصر نام
Pedram
ساير عناصر نام
Mina
کد نقش
Thesis advisor
کد نقش
Consulting advisor
کد نقش
Consulting advisor
شناسه افزوده (تنالگان)
عنصر شناسه اي
Tabriz
مبدا اصلی
کشور
ایران
سازمان
central library of Tabriz univercity
تاريخ عمليات
20230701
شماره دستیابی
شماره بازیابی
ارشد پایاننامه QA76.J2 1402
دسترسی و محل الکترونیکی
نام الکترونيکي
Zeyad Jameel Halwas
ارتباط براي تسهيلات دسترسي
احدی
وضعیت انتشار
فرمت انتشار
e
اطلاعات رکورد کتابشناسی
نوع ماده
TL
کد کاربرگه
276903
اطلاعات دسترسی رکورد
سطح دسترسي
a
تكميل شده
Y
