多核方法在乳腺 X 线图像中肿块的检测与分类
计算机视觉与模式识别
2017-12-21 v1 神经与进化计算
图像与视频处理
摘要
据世界卫生组织，乳腺癌是全球成年女性癌症死亡的主因。尽管乳腺癌无差别发生于不同社会经济发展水平的国家，但在发展中与欠发达国家死亡率仍高，源于早期检测技术的低可及性。从临床角度看，乳腺 X 线摄影仍是最有效的诊断技术，鉴于这些图像的使用与解读广泛普及。本文我们提出一种利用图像感兴趣区域检测并分类乳腺病变的方法。我们的方案是将每幅图像用多分辨率小波分解。从各小波分量提取 Zernike 矩。借此我们可结合纹理与形状特征，应用于乳腺病变的检测与分类。我们使用 IRMA 数据库的 355 幅脂肪型乳腺组织图像，含 233 正常实例（无病变）、72 良性与 83 恶性病例。分类采用带修正核的 SVM 与 ELM 网络，以优化准确率，达 94.11%。兼顾准确率与训练时间，我们定义了平均百分比准确率与平均训练时间之比的逆序度量。我们的方案比最先进最佳方法所得比值高 50 倍。由于所提模型能以高准确率与低学习时间结合，每当接收新数据，我们的工作将相较最先进最佳方法在训练过程中节省大量时间（小时计）。
引用
@article{arxiv.1712.07116,
title = {Detection and classification of masses in mammographic images in a multi-kernel approach},
author = {Sidney Marlon Lopes de Lima and Abel Guilhermino da Silva Filho and Wellington Pinheiro dos Santos},
journal= {arXiv preprint arXiv:1712.07116},
year = {2017}
}