机构名称：
¥ 1.0
伊拉克技术大学电气工程系 *禁止穆罕默德·阿卜杜勒·阿尔雷达电气工程系，伊拉克大学，伊拉克电子邮件：31630@student.uotechnology.edu.iq摘要脑肿瘤是一种常见的致命疾病，需要早期的，可靠的检测技术，并可能使当前的识别方法和图像依赖于范围，并依赖于当前的识别方法，并依赖于范人为错误。这需要时间手动识别脑肿瘤。这项工作旨在设计一个能够诊断和预测磁共振成像（MRI）脑肿瘤的严重程度以做出准确决定的智能模型。主要贡献是通过基于收集的真实数据库采用新的多类分类器方法来实现的，该数据库具有反映疾病精确情况的新提议的特征。在这项工作中，两个人工神经网络（ANN）方法，即，向后馈回传播神经网络（FFBPNN）和支持向量机（SVM），用于期望脑肿瘤的水平。结果表明，（FFBPN）网络的预测将比其他时间记录的其他方法更好，以实现具有分类精度的自动分类，而3级被认为是出色的精度。软件仿真和这项工作的结果已通过MATLAB（R2012B）实现。关键字：向前向后传播神经网络，支持向量机，离散小波变换，灰色级别共发生矩阵（GLCM）的纹理特征。
基于特征的自动化脑肿瘤检测...
主要关键词
相关文件推荐
