ISSN: 0976-4860
Waykule Jyoti M
El cáncer de pulmón, también conocido como carcinoma de pulmón, es la principal causa de muerte por cáncer en todo el mundo. Cada año, la detección temprana del cáncer mediante tomografÃa computarizada (TC) podrÃa salvar cientos de miles de vidas. Sin embargo, analizar cientos de miles de estas exploraciones es una gran carga para los radiólogos, y con frecuencia experimentan cansancio del observador, lo que puede perjudicar su desempeño. Como resultado, existe el requisito de leer, detectar y evaluar eficientemente las tomografÃas computarizadas. Como resultado, existe el requisito de leer, detectar y evaluar eficientemente las tomografÃas computarizadas. Usando el punto medio del cáncer de pulmón provisto en el conjunto de datos, el autor recortó máscaras de cáncer 2D en su imagen de referencia y entrenó un modelo con varias técnicas. El sistema propuesto consta de muchos pasos, como la adquisición de imágenes, el preprocesamiento, la binarización, la umbralización, la segmentación y la extracción de caracterÃsticas. En la primera etapa, se utiliza la técnica de binarización para convertir la imagen binaria y luego compararla con el valor umbral para detectar el cáncer de pulmón. En la segunda etapa, se realiza la segmentación para segmentar la imagen de TC de pulmón y se ha introducido un método de extracción de caracterÃsticas fuerte para extraer algunas caracterÃsticas importantes de las imágenes segmentadas. Las funciones extraÃdas se utilizan para entrenar la red neuronal y, finalmente, el sistema se prueba con imágenes cancerosas y no cancerosas.