机构名称：
¥ 2.0
摘要图像处理设备和技术的快速演变确保了新型图片分析方法的发展。是测量功能拓扑特性的最强大但计算可能的代数技术之一是持续的同源性。这是一个代数不变的，可以在不同的空间分辨率下捕获拓扑细节。持续的同源性使用一组采样点（例如像素）研究了空间的拓扑特征。它可以跟踪由被称为过滤的操作产生的嵌套空间变化引起的拓扑特征的外观和消失，在这种操作中，在我们的情况下，参数量表增加了像素的强度，以检测在各种尺度范围内研究空间的变化。此外，在机器学习的层面上，最近有许多研究和文章目睹了同源性持久性与机器学习算法之间的结合。在另一个层面上，前列腺癌被诊断为描述称为格里森评分的癌症严重程度的评分标准。经典的格里森系统定义了五种组织学生长模式（等级）。在我们的研究中，我们建议研究从新的光学显微镜技术发行的一些腺体上的格里森评分，称为Slim。这种新的光学显微镜技术在光成像中结合了两个经典的思想：Zernike的相比显微镜和Gabor的全息图。在这些图像上计算持续的同源性特征。我们建议将这些图像分类为相应的格里森评分。在同源持久性特征上应用的机器学习技术在这些图像中检测前列腺癌的正确格里森评分非常有效，并且表现出高于95％的精度。
有关前列腺癌诊断的同源持久特征的机器学习技术
主要关键词
相关文件推荐
