使用SVM分类器技术早期检测乳腺癌
机器学习
2009-12-14 v1
摘要
本文提出了一种基于乳腺X线图像的肿瘤检测算法。该系统聚焦于解决两个问题：一是如何检测与背景对比度极低的可疑区域中的肿瘤，二是如何提取能够对肿瘤进行分类的特征。肿瘤检测方法遵循以下流程：(a) 乳腺X线图像增强；(b) 肿瘤区域分割；(c) 从分割后的肿瘤区域提取特征；(d) 使用SVM分类器。增强可定义为将图像质量转换为更好且更易理解的水平。乳腺X线图像增强过程包括滤波、顶帽变换和离散小波变换(DWT)。随后使用对比度拉伸来增加图像的对比度。乳腺X线图像的分割在提高乳腺癌检测和诊断方面发挥着重要作用。最常用的分割方法是阈值分割。从分割后的乳腺区域提取特征。下一阶段包括使用SVM分类器对区域进行分类。该方法在来自mini-MIAS数据库的75张乳腺X线图像上进行了测试，达到了88.75%的灵敏度。
引用
@article{arxiv.0912.2314,
title = {Early Detection of Breast Cancer using SVM Classifier Technique},
author = {Y. Ireaneus Anna Rejani and S. Thamarai Selvi},
journal= {arXiv preprint arXiv:0912.2314},
year = {2009}
}