• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Workshop on Digital Mammography(IWDM 2006); 20060618-21; Manchester(GB) >Mammographic Mass Detection Using Unsupervised Clustering in Synergy with a Parcimonious Supervised Rule-Based Classifier
【24h】

Mammographic Mass Detection Using Unsupervised Clustering in Synergy with a Parcimonious Supervised Rule-Based Classifier

机译：乳腺X线摄影质量检测中使用基于监督规则的分类器协同进行的非监督聚类

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We develop a novel CAD detection system that can help a radiologist to detect masses in mammograms. The proposed algorithm concurrently detects the breast boundary and the pectoral muscle. Then, a clustering and morphology based segmentation algorithm is applied to the enhanced mammography image to separate the mass from the normal breast tissues. This technique outlines the shape of candidate masses in mammograms. To maximize detection specificity, we develop a two-stage hybrid classification network. First, an unsupervised classifier is used to classify suspicious opacities as suspect or not. Then, a few supervised interpretation rules are applied to further reduce the number of false detections. Using a private mammography database and the publicly available USF/DDSM database, experimental results demonstrate that a sensitivity of 94% (resp. 80%) can be achieved at a specificity level of 1.02 (resp. 0.69) false positives per image. Even in dense mammograms, the CAD algorithm can still correctly detect subtle masses.
机译：我们开发了一种新颖的CAD检测系统，可以帮助放射科医生检测乳房X线照片中的质量。所提出的算法同时检测乳房边界和胸肌。然后，将基于聚类和形态学的分割算法应用于增强型乳房X射线照片图像，以将肿块与正常乳腺组织分开。该技术在乳房X线照片中勾勒出候选肿块的形状。为了最大化检测特异性，我们开发了一个两阶段混合分类网络。首先，使用无监督分类器将可疑不透明度分类为可疑或可疑。然后，应用一些监督解释规则以进一步减少错误检测的数量。使用私人的乳房X线照相术数据库和公开可用的USF / DDSM数据库，实验结果表明，每幅图像假阳性的特异性水平为1.02（分别为0.69），可以达到94％（分别为80％）的灵敏度。即使在密集的乳房X线照片中，CAD算法仍然可以正确地检测出微小的质量。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号