用于乳腺癌筛查的判别性局域稀疏表示
图像与视频处理
2020-11-23 v1 计算机视觉与模式识别
摘要
乳腺癌是发达国家与发展中国家女性中最常见的癌症。乳腺癌的早期检测与诊断可降低其死亡率并改善生活质量。计算机辅助检测（CADx）与计算机辅助诊断（CAD）技术已展现出减轻人类专家阅片负担并提高结果准确性与可重复性的前景。稀疏分析技术已在图像模式表示与识别方面取得相关成果。本工作中，我们提出一种标签一致空间局域集成稀疏分析（LC-SLESA）方法。我们将字典学习应用于基于块的稀疏分析方法，以将乳腺病灶分类为良性或恶性。我们的方法结合 LC-KSVD 字典学习的性能在 MIAS 数据集上通过 10 折、20 折和 30 折交叉验证进行了评估。结果表明，所提稀疏分析可作为乳腺癌筛查应用的有用组成部分。
引用
@article{arxiv.2011.10201,
title = {Discriminative Localized Sparse Representations for Breast Cancer Screening},
author = {Sokratis Makrogiannis and Chelsea E. Harris and Keni Zheng},
journal= {arXiv preprint arXiv:2011.10201},
year = {2020}
}