메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Kevin Alejandro Hernandez Gomez (Universidad Tecnologica de Pereira (UTP)) Julian D. Echeverry-Correa (Universidad Tecnologica de Pereira (UTP)) Alvaro Angel Orozco Gutierrez (Universidad Tecnologica de Pereira (UTP))
저널정보
대한의료정보학회 Healthcare Informatics Research Healthcare Informatics Research 제27권 제3호
발행연도
2021.1
수록면
222 - 230 (9page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Objectives: Breast cancer is the most common cancer diagnosed in women, and microcalcification (MCC) clusters act as an early indicator. Thus, the detection of MCCs plays an important role in diagnosing breast cancer. Methods: This paper presents a methodology for mammogram preprocessing and MCC detection. The preprocessing method employs automatic artefact deletion and pectoral muscle removal based on region-growing segmentation and polynomial contour fitting. The MCC detection method uses a convolutional neural network for region-of-interest (ROI) classification, along with morphological operations and wavelet reconstruction to reduce false positives (FPs). Results: The methodology was evaluated using the mini-MIAS and UTP datasets in terms of segmentation accuracy in the preprocessing phase, as well as sensitivity and the mean FP rate per image in the MCC detection phase. With the mini-MIAS dataset, the proposed methods achieved accuracy scores of 99% for breast segmentation and 95% for pectoral segmentation, a sensitivity score of 82% for MCC detection, and an FP rate per image of 3.27. With the UTP dataset, the methods achieved accuracy scores of 97% for breast segmentation and 91% for pectoral segmentation, a sensitivity score of 78% for MCC detection, and an FP rate per image of 0.74. Conclusions: The proposed preprocessing method outperformed the state-of-the-art methods for breast segmentation and achieved relatively good results for pectoral muscle removal. Furthermore, the MCC detection module achieved the highest test accuracy in identifying potential ROIs with MCCs compared to other methods.
#Machine Learning #Breast Neoplasms #Classification #Calcinosis #Diagnosis

목차

등록된 정보가 없습니다.

참고문헌 (13)

참고문헌 신청
Linguraru MG / 2006 / A biologically inspired algorithm for microcalcification cluster detection / Med Image Anal 10(6):850~862 google schola Karale VA / 2019 / A screening CAD tool for the detection of microcalcification clusters in mammograms / J Digit Imaging 32(5):728~745 google schola Moghbel M / 2020 / A review of breast boundary and pectoral muscle segmentation methods in computer-aided detection/diagnosis of breast mammography / Artif Intell Rev 53(3):1873~1918 google schola Chan HP / 1998 / Computerized analysis of mam mographic microcalcifications in morphological and texture feature spaces / Med Phys 25(10):2007~2019 google schola Leichter I / 2000 / Optimizing parameters for computeraided diagnosis of microcalcifications at mammography / Acad Radiol 7(6):406~412 google schola

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0