机构名称：
¥ 1.0
在印度尼西亚，宫颈癌是仅次于乳腺癌的第二大致命疾病。人们使用各种诊断成像方式来确定宫颈癌的位置和严重程度，其中一种是计算机断层扫描 (CT) 扫描。本研究处理的 CT 图像数据集由两类组成，即宫颈癌患者的异常宫颈图像和其他疾病患者的正常宫颈图像。它侧重于分割和分类程序定位宫颈癌区域并根据图像中包含的特征将图像分为正常和异常类别的能力。我们提出了一种新的方法来检测宫颈器官周围的轮廓，并用人工神经网络 (ANN) 对图像数据进行分类。使用的分割算法是基于区域的蛇形模型。宫颈图像区域的纹理特征以灰度共生矩阵 (GLCM) 的形式排列。添加了支持向量机 (SVM) 来确定哪种算法更适合比较。实验结果表明，ANN模型的受试者工作特性（ROC）参数值优于SVM模型和现有方法，灵敏度为96.2%，特异性为95.32%，准确率为95.75%。
IAES国际人工智能杂志（IJ-AI）
主要关键词
相关文件推荐
