...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Biomedical Engineering: Applications, Basis and Communications >AUTOMATIC NIPPLE DETECTION IN MAMMOGRAMS USING LOCAL MAXIMUM FEATURES ALONG BREAST CONTOUR
【24h】

AUTOMATIC NIPPLE DETECTION IN MAMMOGRAMS USING LOCAL MAXIMUM FEATURES ALONG BREAST CONTOUR

机译：利用乳房轮廓的局部最大特征在乳腺图像中进行自动乳头检测

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

Mammogram registration is an important preprocessing technique, which helps in finding asymmetrical regions in left and right breast. However, correct nipple position is the crucial key point of mammogram registration since it is the only consistent and stable landmark upon a mammogram. To locate the nipple coordinates accurately in mammogram images, this work improves previous algorithms such as maximum height of the breast border (MHBB) and proposes a novel method consisting of local spatial-maximum mean intensity (LSMMI), local maximum zero-crossing (LMZC) based on the second-order derivative, and a combined approach dependent on LSMMI and LMZC. The proposed method is tested on 413 mammogram images from MIAS and DDSM databases. Consequently, the mean Euclidean distance (MED) between the ground truth identified by the radiologist and the detected nipple position is 0 64 cm, within 1 cm of the gold standard, for estimating the proposed method. The experimental results hence indicate that our proposed method can detect the nipple positions more accurately than other previous methods. Furthermore, the proposed select visible-nipple mammograms (SVNM) algorithm with the ability of generalization has achieved a 99% selection rate for automatic clustering of nipples in a mammography database, besides automatically detecting the breast border and nipple positions in mammograms.
机译：乳房X线照片配准是一项重要的预处理技术，有助于发现左右乳房中的不对称区域。但是，正确的乳头位置是乳房X线照片配准的关键点，因为它是乳房X线照片上唯一一致且稳定的标志。为了在乳腺X线照片中准确定位乳头坐标，这项工作改进了先前的算法，例如乳房边界的最大高度（MHBB），并提出了一种由局部空间最大平均强度（LSMMI），局部最大零交叉（LMZC）组成的新方法。 ）基于二阶导数，以及基于LSMMI和LMZC的组合方法。该方法在来自MIAS和DDSM数据库的413幅乳房X射线照片上进行了测试。因此，放射科医师确定的地面真相与检测到的乳头位置之间的平均欧几里德距离（MED）为0 64 cm，在金标准的1 cm以内，用于估计所提出的方法。因此，实验结果表明，我们提出的方法可以比其他先前方法更准确地检测乳头位置。此外，所提出的具有泛化能力的选择可见乳头乳房X线照片（SVNM）算法除了自动检测乳腺X线照片中的乳房边界和乳头位置外，在乳腺X线照片数据库中实现了对乳头的自动聚类的选择率达到了99％。

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