• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Computer Methods and Programs in Biomedicine: An International Journal Devoted to the Development, Implementation and Exchange of Computing Methodology and Software Systems in Biomedical Research and Medical Practice >A new optical density granulometry-based descriptor for the classification of prostate histological images using shallow and deep Gaussian processes
【24h】

A new optical density granulometry-based descriptor for the classification of prostate histological images using shallow and deep Gaussian processes

机译：基于新的光学密度粒度测量符，用于使用浅层高斯工艺进行前列腺组织学图像的分类

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Background and objective: Prostate cancer is one of the most common male tumors. The increasing use of whole slide digital scanners has led to an enormous interest in the application of machine learning techniques to histopathological image classification. Here we introduce a novel family of morphological descriptors which, extracted in the appropriate image space and combined with shallow and deep Gaussian process based classifiers, improves early prostate cancer diagnosis.
机译：背景和目的：前列腺癌是最常见的男性肿瘤之一。 越来越多地利用整个幻灯片数字扫描仪导致了对机器学习技术应用于组织病理学图像分类的巨大兴趣。 在这里，我们介绍了一种新颖的形态学描述符，在适当的图像空间中提取并与浅层高斯过程基础的分类剂组合，提高了早期前列腺癌诊断。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号