利用SLIC超像素分割与级联集成SVM实现乳腺X线图像中肿块的全自动检测
计算机视觉与模式识别
2020-10-21 v1 机器学习
摘要
由于恶性密度的形状、轮廓、纹理和朝向具有高度可变性,乳腺X线图像中乳腺肿块的识别与分割面临复杂挑战。此外,分类器通常受限于区域候选中的严重类别不平衡,即正常组织区域远多于恶性肿块。本文提出一种严格的分割方法,并借助灰度线性滤波进行形态学增强。我们使用一种新颖的级联支持向量机(SVM)集成来有效应对类别不平衡并提供显著预测。在真阳性率(TPR)为0.35、0.69和0.82时,系统分别仅产生0.1、0.5和1.0个假阳性/图像(FPI)。
引用
@article{arxiv.2010.10340,
title = {Leveraging SLIC Superpixel Segmentation and Cascaded Ensemble SVM for Fully Automated Mass Detection In Mammograms},
author = {Jaime Simarro and Zohaib Salahuddin and Ahmed Gouda and Anindo Saha},
journal= {arXiv preprint arXiv:2010.10340},
year = {2020}
}