Design of a multi-classifier system for discriminating benign from malignant thyroid nodules using routinely H&E-stained cytological images
Φόρτωση...
Ημερομηνία
Συγγραφείς
Daskalakis, A.
Kostopoulos, S.
Spyridonos, P.
Glotsos, D.
Ravazoula, P.
Kardari, M.
Kalatzis, I.
Cavouras, D.
Nikiforidis, G.
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer-reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Comput Biol Med
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
A multi-classifier diagnostic system was designed for distinguishing between benign and malignant thyroid nodules from routinely taken (FNA, H&E-stained) cytological images. To construct the multi-classifier system, several combination rules and different mixtures of ensemble classifier members, employing morphological and textural nuclear features, were comparatively evaluated. Experimental results illustrated that the classifier combination k-NN/PNN/Bayesian and the majority vote rule enhanced significantly classification accuracy (95.7%) as compared to best single classifier (PNN: 89.6%). The proposed system was designed with purpose to be utilized in daily clinical practice as a second opinion tool to support cytopathologists' decisions, when a definite diagnosis is difficult to be obtained.
Περιγραφή
Λέξεις-κλειδιά
Algorithms, Artificial Intelligence, Bayes Theorem, Biopsy, Fine-Needle, Cell Nucleus/metabolism, Cytodiagnosis/methods, Diagnosis, Differential, Eosine Yellowish-(YS)/chemistry, Hematoxylin/chemistry, Humans, Image Interpretation, Computer-Assisted/*methods, Least-Squares Analysis, Neural Networks (Computer), Sensitivity and Specificity, Staining and Labeling/methods, Statistics, Nonparametric, Thyroid Gland/chemistry/*pathology, Thyroid Neoplasms/metabolism/*pathology, Thyroid Nodule/*diagnosis/metabolism
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
http://www.ncbi.nlm.nih.gov/pubmed/17996861
http://ac.els-cdn.com/S0010482507001588/1-s2.0-S0010482507001588-main.pdf?_tid=a3abe9c61d6ffff80e59ba71a4a7f0ee&acdnat=1333451294_648de2d212352dbfc4b2549151499e23
http://ac.els-cdn.com/S0010482507001588/1-s2.0-S0010482507001588-main.pdf?_tid=a3abe9c61d6ffff80e59ba71a4a7f0ee&acdnat=1333451294_648de2d212352dbfc4b2549151499e23
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Επιστημών Υγείας. Τμήμα Ιατρικής