Mamografide mikrokalsifikasyon (MC) kümelerinin saptanması için otomatik bir bilgisayar destekli tanı sistemi önerilmiştir. Önerilen sistem şüpheli bölgelerin tanımlanması, MC'lerin tespiti, yanlış pozitif indirgeme ve iyi huylu/kötü huylu sınıflamayı içeren bütün bir sistemdir. Şüpheli mikrokalsifikasyon bölgelerinin sınıflandırılması için, gri seviye eş-oluşum matrisi (GLCM) ve istatistiksel özellikler ile çok tabakalı bir perceptron (MLP) sinir ağı kullanıldı. Daha sonra, yanlış pozitif sınıflandırma oranını azaltmak için, gri seviye çalışma uzunluğu matrisi (GLRLM) özellikli kademeli korelasyon sinir ağı (CCNN) kullanılmıştır. Son adımda, tespit edilen MC kümelerinin iyi huylu/kötü huylu sınıflandırması için GLRLM özellikleri ile hibrid yapıda diskriminant analizi ve destek vektör makinesi (SVM) yöntemleri kullanıldı. Çalışma için açık erişimli Mamografik Görüntü Analizi Derneği (MIAS) veri tabanı kullanılmıştır. Deneysel sonuçlar, önerilen algoritmanın meme kanseri tespiti için %86 duyarlılık, %98.3 özgüllük ve 1.163 FPpI oranları elde ettiğini ve meme kanseri tanısı için elde edilen duyarlılık ve özgüllük değerlerinin sırasıyla %100 ve %100 olduğunu ortaya koymuştur. MC kümelenmelerinin görme zorluğu olsa da, önerilen sistem çok tatmin edici sonuçlar vermektedir. Bununla birlikte, gelişmiş sistem; çıktıları yüzdeler ve dönüştürülmüş değerlendirme kategorileri olarak veren tam otomatik bir bütün sistemdir.
Field : Fen Bilimleri ve Matematik; Sağlık Bilimleri; Ziraat, Orman ve Su Ürünleri
Journal Type : Ulusal
Relevant Articles | Author | # |
---|
Article | Author | # |
---|