基于模糊 K 近邻等式的乳腺 X 线摄影肿块分类方法
计算机视觉与模式识别
2014-06-19 v1
摘要
物体肿块分类是多个领域研究和应用的重要方向。在本文中，我们提出了一种高效的计算机辅助乳腺 X 线摄影肿块分类方法，该方法利用模糊 K 近邻等式（Fuzzy K-Nearest Neighbor Equality）对包含肿块的感兴趣区域进行良性或恶性分类。纹理是肿块分类的主要乳腺 X 线摄影特征之一。模糊 K 近邻等式利用这一重要因素将肿块分类为良性或恶性。用于表征肿块的统计纹理特征是 Haralick 特征和游程长度特征。该方法的主要目标是以客观方式提高分类过程的有效性和效率，以减少恶性肿瘤的假阳性数量。本文提出了一种新颖的模糊 K 近邻等式算法，用于将标记区域分类为良性和恶性，实现了 94.46% 的灵敏度、96.81% 的特异度和 96.52% 的准确率，与放射科医生的准确率相比非常有前景。
引用
@article{arxiv.1406.4770,
title = {Mass Classification Method in Mammogram Using Fuzzy K-Nearest Neighbour Equality},
author = {I. Laurence Aroquiaraj and K. Thangavel},
journal= {arXiv preprint arXiv:1406.4770},
year = {2014}
}
备注
5 pages, 5 figures