Classifying cyst and tumor lesion using support vector machine based on dental panoramic images texture features
IAENG International Journal of Computer Science, 2013•repository.unair.ac.id
Artikel ini juga membahas sistem yang diusulkan terdiri dari ekstraksi ciri berdasarkan
tekstur menggunakan orde pertama tekstur statistik (FO), Matriks Co-kejadian Tingkat Abu-
abu (GLCM) dan Gray Level Run Length Matrix (GLRLM). Ada tiga puluh tiga fitur yang
diklasifikasikan menggunakan Support Vector Machine (SVM) berbasis klasifikasi.
Pengembangan system ini sangat bermanfaat bagi klinisi di bidang kedokteran gigi juga
masyarakat karena diagnosis kasus menjadi lebih cepat, akurat, efektif dan efisien
tekstur menggunakan orde pertama tekstur statistik (FO), Matriks Co-kejadian Tingkat Abu-
abu (GLCM) dan Gray Level Run Length Matrix (GLRLM). Ada tiga puluh tiga fitur yang
diklasifikasikan menggunakan Support Vector Machine (SVM) berbasis klasifikasi.
Pengembangan system ini sangat bermanfaat bagi klinisi di bidang kedokteran gigi juga
masyarakat karena diagnosis kasus menjadi lebih cepat, akurat, efektif dan efisien
Artikel ini juga membahas sistem yang diusulkan terdiri dari ekstraksi ciri berdasarkan tekstur menggunakan orde pertama tekstur statistik (FO), Matriks Co-kejadian Tingkat Abu-abu (GLCM) dan Gray Level Run Length Matrix (GLRLM). Ada tiga puluh tiga fitur yang diklasifikasikan menggunakan Support Vector Machine (SVM) berbasis klasifikasi. Pengembangan system ini sangat bermanfaat bagi klinisi di bidang kedokteran gigi juga masyarakat karena diagnosis kasus menjadi lebih cepat, akurat, efektif dan efisien
repository.unair.ac.id
以上显示的是最相近的搜索结果。 查看全部搜索结果