การเตรียมห้องปฎิบัติการไฟฟ้าอิเล็กทรอนิกส์ (ห้อง 913)
การพัฒนาระบบคัดแยกของเนื้องอกในสมองโดยการใช้เมตริกซ์ของระดับสีเทาที่เกิดขึ้นร่วมกันและการแปลงเวฟเล็ต
Implementation of Classification System for Brain Tumor using GLCM and Wavelet Transform
บทคัดย่อ
เนื้องอกในสมองเป็นโรคที่เป็นอันตรายที่สุดในหมู่โรคมะเร็ง โอกาสของการเสียชีวิตจากเนื้องอกในสมองมีมากขึ้น เมื่อเทียบกับโรคอื่น ๆ เพื่อหลีกเลี่ยงโอกาสของการเสียชีวิต การตรวจหาเนื้องอกในสมองจึงเป็นสิ่งจำเป็น ทุกวันนี้การตรวจหาเนื้องอกในสมอง และการจัดหมวดหมู่ของโรคเป็นหนึ่งในการวิจัยที่ใช้งานมากที่สุดในด้านการประมวลผลภาพทางการแพทย์ การตรวจหาเนื้องอกในสมองโดยแพทย์นั้นมีความยาก และใช้ระยะเวลานาน ในบทความนี้จึงได้นำเสนอวิธีการใหม่ในการจำแนกประเภทของสมองจากภาพ MRI ว่าเป็นปกติหรือผิดปกติ วิธีการที่เสนอใช้วิธีการ GLCM และการแปลงเวฟเล็ตเพื่อแยกคุณลักษณะเด่นจากภาพ ตามด้วยการใช้การวิเคราะห์องค์ประกอบหลัก (PCA) เพื่อลดขนาดของคุณสมบัติ เมื่อคุณสมบัติลดลง หลังจากนั้นจะใช้เทคนิคการจำแนกข้อมูลซัพพอร์ตเวกเตอร์แมชชีน (SVM) วิธีการที่เสนอประสบความสำเร็จให้ผลดีมีความไว 88.40%, ความเฉพาะเจาะจง 88.40% F-Measure 87.28% และความถูกต้อง 92.56%
คำสำคัญ: วิธีการ GLCM ภาพ MRI การวิเคราะห์องค์ประกอบหลัก ซัพพอร์ตเวกเตอร์แมชชีน เนื้องอกในสมอง
Abstract
Brain tumor is the most dangerous diseases among cancer. The cause of death in brain tumors is many higher compared to other diseases. To avoid the chance of death. Detection of brain tumor is necessary. Nowadays, the detection of brain tumor. And classification of the disease is one of the most active research in the field of medical image processing. Detection of brain tumor by a doctor is difficult and takes a long time. In this paper propose a new method of classification from MRI images of the brain that is normal or abnormal. The proposed method is used to GLCM and the wavelet transform to extract features from the image, followed by using principal component analysis (PCA) to reduce the size of the property. After that, using the data classification technique Support Vector Machine (SVM). The method we have achieved has a precision of 92.56%.
Keywords: Grey-level Co-occurrence Matrix (GLCM) Method, MRI images, principle component analysis (PCA), Support Vector Machine (SVM), brain tumor
นนร.คุณานนต์ อ่ำทอง นนร.คชินทร์ บุญทรัพย์ ว่าที่ ร.ต.กษิตินาถ บุญพันธ์ และน.ท.พิศณุ คูมีชัย. “การพัฒนาระบบคัดแยกของเนื้องอกในสมองโดยการใช้เมตริกซ์ของระดับสีเทาที่เกิดขึ้นร่วมกัน และการแปลงเวฟเล็ต.” MDTE (Management in Disruptive Technologies Era) 2020 การประชุมสัมมนาวิชาการระดับชาติ ครั้งที 2 ประจำปี 2563 การจัดการในยุคเทคโนโลยีนำการเปลี่ยนเเปลง วันที่ 1 พฤษภาคม 1751 – 1758.
การพัฒนาระบบคัดแยกเนื้องอกในสมองโดยการใช้เมตริกซ์ของระดับสีเทาที่เกิดขึ้นร่วมกัน และการแปลงเวฟเล็ต
Related posts
