《Benign and maligenant breast tumors classification based on region growing and CNN segmentation》翻译阅读与理解
注明:本人英语水平有限,翻译不当之处,请以英文原版为准,不喜勿喷,另,本文翻译只限于学术交流,不涉及任何版权问题,若有不当侵权或其他任何除学术交流之外的问题,请留言本人,本人立刻删除,谢谢!!
另:欢迎转载,但请标明出处!
《基于区域生长的良性和恶性乳腺肿瘤的分类》
摘要
良性肿瘤被认为是导致女性死亡的常见起因之一,对良性肿瘤的早期检测能够提高患者的生存率,因此创造一个能够检测乳腺的可疑组织的系统是非常重要的。本文提出两种自动检测良性和恶性肿瘤的方法,第一种方法中,使用自动的区域生长法进行图形分割,区域生长法的门限值是通过ANN得到的。第二种方法中,采用细胞神经网络(CNN)进行图像分割,CNN的参数是通过遗传算法(GA)得到的。像素,文本和形态特征从分割的乳腺中提取出来,GA算法选取其中的合适的特征。下一阶段,采用ANN对乳腺肿瘤进行分类,为了评价本文所提不同分类器(例如随机森林,贝叶斯,SVM,KNN)的分类性能,在MIAS和DDSM数据库中进行了测试,分别得到敏感性,特异性,整体进度为96.87,95.94,96.47。
根据美国癌症协会(ACS)的统计,2013年大约有40030名患者死于乳腺癌,其中包括39620名女性和410名男性。乳腺癌是指乳房组织细胞的异常增殖,被认为是即肺癌之后威胁女性健康的第二大杀手。从1989 年开始,50岁以下女性乳腺癌的死亡率有了明显的下降。这得益于早期检测和有效的治疗。一般来说,在乳房中会有几种类型的一场存在,例如肿块和微钙化等。肿块是由于某些损伤,肿块,或者是结节造成的,微钙化主要是由于腺体分泌的乳汁中钙的沉积造成的,个体微钙化的大小可能介于20-200微米之间。因此乳腺中,微钙化与其他组织的X光成像对比度差异很明显,检测和诊断也有很大的挑战性。
数字X光成像系统近期的发展主要旨在提高乳房异常的诊断和提高患者的生存几率。计算机辅助诊断系统一般是全自动或者半自动的设备,主要利用计算机技术来帮助放射科医生检测和区分乳腺中的异常情况。因此,CAD系统是对放射科医生有很大的帮助,一般来说,一个CAD系统分为分割,特征提取和分类三个阶段。分割出乳腺肿瘤X线图像的主要特征,例如边界
《Benign and maligenant breast tumors classification based on region growing and CNN segmentation》翻译阅读与理解的更多相关文章
- A Novel Multi-label Classification Based on PCA and ML-KNN
ICIC Express Letters ICIC International ⓒ2010 ISSN 1881-803X Volume4, Number5, O ...
- Multiclonal Invasion in Breast Tumors Identified by Topographic Single Cell Sequencing
Title: Multiclonal Invasion in Breast Tumors Identified by Topographic Single Cell Sequencing 课题的目的 ...
- [Tensorflow] Cookbook - Object Classification based on CIFAR-10
Convolutional Neural Networks (CNNs) are responsible for the major breakthroughs in image recognitio ...
- Hyperspectral Images Classification Based on Dense Convolutional Networks with Spectral-Wise Attention Mechanism
借鉴了DenseNet的思想,用了空洞卷积而不是池化,使得特征图不会缩小,因此每个dense连接都可以直接连,最后一层是包括了前面所有层的特征图. 此外还加入了channel-wise的注意力,对每个 ...
- CVPR 2011 Global contrast based salient region detection
Two salient region detection methods are proposed in this paper: HC AND RC HC: Histogram based contr ...
- Global Contrast based Salient Region Detection (Ming ming Cheng)
abstract: Automatic estimation of salient object regions across images, without any prior assumption ...
- [C2P2] Andrew Ng - Machine Learning
##Linear Regression with One Variable Linear regression predicts a real-valued output based on an in ...
- {ICIP2014}{收录论文列表}
This article come from HEREARS-L1: Learning Tuesday 10:30–12:30; Oral Session; Room: Leonard de Vinc ...
- Deep learning_CNN_Review:A Survey of the Recent Architectures of Deep Convolutional Neural Networks——2019
CNN综述文章 的翻译 [2019 CVPR] A Survey of the Recent Architectures of Deep Convolutional Neural Networks 翻 ...
随机推荐
- Who is using Asio?
https://think-async.com/Asio/WhoIsUsingAsio
- IE9 使用document.getElementsByName("abc") 不能获取到名称相同SPAN元素
<div name="abc"></div> <input name="abc" type="text" /& ...
- 【MySQL】排序原理与案例分析
前言 排序是数据库中的一个基本功能,MySQL也不例外.用户通过Order by语句即能达到将指定的结果集排序的目的,其实不仅仅是Order by语句,Group by语句,Distinct语句都会隐 ...
- mysql:忘记root密码
1:修改/etc/my.cnf 2:重启服务 3:进入mysql 4:修改密码 5:刷新权限 注意:修改完成后,别忘了修改/etc/my.cnf,删除skip-grant-tables,否则重启服务后 ...
- (error) MISCONF Redis is configured to save RDB snapshots, but is currently not able to persist on disk. Commands that may modify the data set are disabled. Please check Redis logs for details about t
运行redis过程中,突然报错如下: (error) MISCONF Redis is configured to save RDB snapshots, but is currently not a ...
- XML编程知识点总结
DOM和SAX DOM的全称是Document Object Model,也即文档对象模型.基于DOM的XML分析器将一个XML文档转换成一个对象模型的集合,应用程序挣是通过对这个对象模型的操作,来实 ...
- Oracle补习班第一天
My life is a straight line, turning only for you. 我的人生是一条直线,为你转弯
- BFS与DFS
DFS:使用栈保存未被检测的结点,结点按照深度优先的次序被访问并依次被压入栈中,并以相反的次序出栈进行新的检测. 类似于树的先根遍历深搜例子:走迷宫,你没有办法用分身术来站在每个走过的位置.不撞南山不 ...
- php判断是否是微信客户端的浏览器访问
代码: $user_agent = $_SERVER['HTTP_USER_AGENT']; if (strpos($user_agent, 'MicroMessenger') === false) ...
- jquery的全选插件
全选看起来挺简单的,要做得完美就不那么容易了. 目前,我的全选插件能做到以下6点: 1.点击全选checkbox,能将要选择的checkbox都选中.去掉全选按钮,能将所有的checkbox都不选.这 ...