Veronika Pitri, Yudha Arman, Hasanuddin Hasanuddin
{"title":"","authors":"Veronika Pitri, Yudha Arman, Hasanuddin Hasanuddin","doi":"10.20884/1.jtf.2023.6.1.8431","DOIUrl":null,"url":null,"abstract":"Telah dilakukan identifikasi citra magnetic resonance imaging (MRI) pada penderita tumor otak menggunakan metode learning vector quantization termodifikasi (MLVQ). Modifikasi dilakukan pada bagian pembaharuan learning rate metode LVQ, menerapkan konsep peluang pada sebaran data berdistribusi gaussian. Sebanyak  citra yang terdiri atas  citra otak normal dan  citra otak terdiagnosa tumor digunakan pada penelitian ini. Proses pengolahan citra yang dilakukan adalah pemotongan, pengubahan ukuran, pengubahan skala abu-abu, pengubahan skala hitam putih dan deteksi tepi. Hasil yang didapatkan kemudian dibandingkan dengan hasil yang diperoleh menggunakan metode LVQ. Berdasarkan hasil perhitungan yang dilakukan, metode MLVQ memiliki akurasi yang lebih tinggi jika dibandingkan dengan metode LVQ untuk kasus ini.","PeriodicalId":364540,"journal":{"name":"Jurnal Teras Fisika","volume":"33 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-05-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teras Fisika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.20884/1.jtf.2023.6.1.8431","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

已通过使用经修改的量量矢量量量化方法对脑瘤患者进行磁核磁共振成像(MRI)进行了鉴定。在LVQ方法更新速率更新部分进行了改进,将机会概念应用于高斯分布数据的分散。这项研究使用的与正常大脑图像和诊断肿瘤图像一样多的图像。处理图像的过程包括剪切、量度调整、灰色量度变化、黑白平移和探测边缘。获得的结果与使用LVQ方法获得的结果进行比较。根据所进行的计算,MLVQ方法比本案的LVQ方法更准确。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Telah dilakukan identifikasi citra magnetic resonance imaging (MRI) pada penderita tumor otak menggunakan metode learning vector quantization termodifikasi (MLVQ). Modifikasi dilakukan pada bagian pembaharuan learning rate metode LVQ, menerapkan konsep peluang pada sebaran data berdistribusi gaussian. Sebanyak  citra yang terdiri atas  citra otak normal dan  citra otak terdiagnosa tumor digunakan pada penelitian ini. Proses pengolahan citra yang dilakukan adalah pemotongan, pengubahan ukuran, pengubahan skala abu-abu, pengubahan skala hitam putih dan deteksi tepi. Hasil yang didapatkan kemudian dibandingkan dengan hasil yang diperoleh menggunakan metode LVQ. Berdasarkan hasil perhitungan yang dilakukan, metode MLVQ memiliki akurasi yang lebih tinggi jika dibandingkan dengan metode LVQ untuk kasus ini.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信