...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Physics in medicine and biology. >Computer-aided detection of prostate cancer in T2-weighted MRI within the peripheral zone
【24h】

Computer-aided detection of prostate cancer in T2-weighted MRI within the peripheral zone

机译：计算机辅助检测周边区内T2加权MRI中的前列腺癌

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

In this paper we propose a prostate cancer computer-aided diagnosis (CAD) system and suggest a set of discriminant texture descriptors extracted from T2-weighted MRI data which can be used as a good basis for a multimodality system. For this purpose, 215 texture descriptors were extracted and eleven different classifiers were employed to achieve the best possible results. The proposed method was tested based on 418 T2-weighted MR images taken from 45 patients and evaluated using 9-fold cross validation with five patients in each fold. The results demonstrated comparable results to existing CAD systems using multimodality MRI. We achieved an area under the receiver operating curve (Az) values equal to 90.0% +/- 7.6%, 89.5% +/- 8.9%, 87.9% +/- 9.3% and 87.4% +/- 9.2% for Bayesian networks, ADTree, random forest and multilayer perceptron classifiers, respectively, while a meta-voting classifier using average probability as a combination rule achieved 92.7% +/- 7.4%.
机译：在本文中，我们提出了一种前列腺癌计算机辅助诊断（CAD）系统，并提出了一组从T2加权MRI数据提取的一组判别纹理描述符，该描述符可以用作多模系统的良好基础。 为此目的，提取了215个纹理描述符，采用11种不同的分类剂来达到最佳结果。 基于418 T2加权MR图像测试了所提出的方法，从45例患者中获取，并使用9倍的交叉验证进行评估，每折5例患者。 结果对使用多模态MRI的现有CAD系统显示了可比的结果。 我们在接收器操作曲线（AZ）值下实现了一个等于90.0％+/- 7.6％，89.5％+/- 8.9％，贝叶斯网络的87.9％+/- 9.3％和87.4％+/- 9.2％， 分别的Adtree，随机森林和多层植物分类分类，而使用平均概率作为组合规则的Meta投票分类器实现了92.7％+/- 7.4％。

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