Resumen

Uno de los campos de investigación más importantes y difíciles es la clasificación de la ictericia neonatal. El recuento mitótico es un componente importante para determinar la gravedad de la ictericia neonatal. Se hace uso de la selección de características del análisis de componentes principales (ACP) y de un clasificador de estrategia de árbol óptimo para producir la detección automática de mitóticos en imágenes histopatológicas y su clasificación. Este estudio hace uso de conjuntos de datos en tiempo real y de referencia, así como de enfoques específicos para detectar la ictericia en recién nacidos. Según la investigación, la calidad de la característica puede tener un impacto negativo en el rendimiento de la categorización. Además, comprimir el método de clasificación para propiedades principales exclusivas puede provocar un cuello de botella en el rendimiento de la clasificación. En consecuencia, es necesario identificar las características adecuadas para entrenar el clasificador. Esto es posible combinando un método de selección de características con un modelo de clasificación. Los principales resultados de este estudio revelaron que las técnicas de procesamiento de imágenes son fundamentales para predecir la hiperbilirrubinemia neonatal. El procesamiento de imágenes es un método para traducir imágenes analógicas a formatos digitales y manipularlas. El objetivo principal del procesamiento de imágenes médicas es recopilar información útil para la detección, el diagnóstico, el seguimiento y la terapia de enfermedades. Los conjuntos de datos de imágenes pueden utilizarse para validar el rendimiento de la detección de la ictericia neonatal. En comparación con los enfoques convencionales, ofrece resultados precisos, rápidos y eficientes en términos de tiempo. La precisión, la sensibilidad y la especificidad, que son indicadores de rendimiento habituales, también resultaron predictivas.

• Materias:Insuficiencia cardíaca Plataforma de servicios Filtro de orden óptimo Características clínicas Osteoporosis
• Subjects:Heart failure Platform services Optimal order filtering Clinical features Osteoporosis
• Palabras claves:clasificador de estrategia de árbol óptimo, detección mitótica automática, cuello de botella en el rendimiento de la clasificación, indicadores comunes de rendimiento, campos de investigación difíciles, propiedades principales exclusivas, método de selección de características, técnicas de procesamiento de imágenes, procesamiento de imágenes médicas, detección de ictericia neonatal
• Keywords:optimal tree strategy classifier, automatic mitotic detection, classification performance bottleneck, common performance indicators, difficult research fields, exclusive main properties, feature selection method, image processing techniques, medical image processing, newborn jaundice detection