No abstract

We use least squares support vector machine (LS-SVM) utilizing a binary decision tree for classification of cardiotocogram to determine the fetal state. The parameters of LS-SVM are optimized by particle swarm optimization. The robustness of the method is examined by running 10-fold cross-validation. The performance of the method is evaluated in terms of overall classification accuracy. Additionally, receiver operation characteristic analysis and cobweb representation are presented in order to analyze and visualize the performance of the method. Experimental results demonstrate that the proposed method achieves a remarkable classification accuracy rate of 91.62%.

No abstract

ÖzTıbbi görüntülerden doku veya organların otomatik olarak tespit edilmesi bilgisayarlı görü alanının önemli çalışma konularından birisidir. Bu çalışmada bilgisayarlı tomografi (BT) görüntülerinden akciğerin otomatik olarak tespiti için bir yöntem önerilmiştir. Önerilen yöntem süper pikselleri kullanan yapay sinir ağları (YSA) üzerinde temellendirilmiştir ve klinik karar destek sistemleri için ilk aşama olarak kullanılması hedeflenmektedir. Yöntemin başarım incelemesi National Lung Screening Trial (NLST) veri tabanındaki BT görüntüleri üzerinde gerçekleştirilmiştir. AbctractDetecting tissues and organs from medical images is an important topic in computer vision. In this work a method is proposed for automatic lung detection from computer tomography (CT) images. The proposed method is based on artificial neural networks (ANN) using super pixels and it is aimed to use as the first stage of a clinical decision support system. The performance of the method is examined on the CT images from the National Lung Screening Trial (NLST) database.