An automatic microcalcification detection system based on a hybrid neural network classifier
Φόρτωση...
Ημερομηνία
Συγγραφείς
Papadopoulos, A.
Fotiadis, D. I.
Likas, A.
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Elsevier
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Artif Intell Med
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
A hybrid intelligent system is presented for the identification of microcalcification clusters in digital mammograms. The proposed method is based on a three-step procedure: (a) preprocessing and segmentation, (b) regions of interest (ROI) specification, and (c) feature extraction and classification. The reduction of false positive cases is performed using an intelligent system containing two subsystems: a rule-based and a neural network sub-system. In the first step of the classification schema 22 features are automatically computed which refer either to individual microcalcifications or to groups of them. Further reduction in the number of features is achieved through principal component analysis (PCA). The proposed methodology is tested using the Nijmegen and the Mammographic Image Analysis Society (MIAS) mammographic databases. Results are presented as the receiver operating characteristic (ROC) performance and are quantified by the area under the ROC curve (A(z)). In particular, the A(z) value for the Nijmegen dataset is 0.91 and for the MIAS is 0.92. The detection specificity of the two sets is 1.80 and 1.15 false positive clusters per image, at the sensitivity level higher than 0.90, respectively. (C) 2002 Elsevier Science B.V. All rights reserved.
Περιγραφή
Λέξεις-κλειδιά
microcalcification detection, hybrid neural network, computer-aided detection (cad), mammography, breast-cancer detection, digital mammograms, clustered microcalcifications, pattern-recognition, wavelet transform, death rates, segmentation, diagnosis, calcifications, enhancement
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
<Go to ISI>://000176197900003
http://ac.els-cdn.com/S0933365702000131/1-s2.0-S0933365702000131-main.pdf?_tid=081534f444f65602384a4cb65461fc9d&acdnat=1339758333_8c32202767a26e0488bcc67032178c7c
http://ac.els-cdn.com/S0933365702000131/1-s2.0-S0933365702000131-main.pdf?_tid=081534f444f65602384a4cb65461fc9d&acdnat=1339758333_8c32202767a26e0488bcc67032178c7c
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Θετικών Επιστημών. Τμήμα Μηχανικών Επιστήμης Υλικών