文摘gydF4y2Ba

在乳房x光成像,钙化表现为小而聪明的数字图像的白色区域。早期检测恶性钙化的病人提供高的期望活到这种疾病。然而,白色区域是很难看到的目视检查,因为乳房x光片是乳房的灰度图像。帮助放射科医生在检测异常钙化,computer-inspection乳房x光检查的方法被提出;然而,它仍然是一个悬而未决的重要问题。在这种背景下,我们提出一个策略检测钙化在乳房x光成像基于集群的分析突出(gydF4y2BacpgydF4y2Ba直方图)特性。的最高频率gydF4y2BacpgydF4y2Ba直方图描述钙化在乳房x光检查。因此,我们得到一个函数模型的行为gydF4y2BacpgydF4y2Ba直方图用范德蒙插值两次。第一个插值产量全球表示,第二个模型的最高频率直方图。弱分类器是用于获得乳房x光检查的最终分类,有或没有钙化。实验结果与真实的DICOM图像和相应的诊断专家提供的放射科医生,显示gydF4y2BacpgydF4y2Ba功能是非常歧视。gydF4y2Ba

1。介绍gydF4y2Ba

乳腺癌是女性癌症影响顶部都在发达国家和发展中国家。增加早期发现乳腺癌的治疗方案和生存的期望gydF4y2Ba1gydF4y2Ba]。乳腺癌的统计报告,近2018年200万例新病例被诊断;这代表了大约12%的新癌症病例和25.3%的癌症妇女(gydF4y2Ba2gydF4y2Ba]。分析的效率在每个阶段的癌症疾病,诊断,登记,允许验证和监测疾病最合适的治疗方法,包括成本的优化(gydF4y2Ba3gydF4y2Ba]。提高乳腺癌的早期检测结果和生存仍然是一个悬而未决的问题。gydF4y2Ba

DICOM是用于注册一个数字化乳腺图像的格式。如今,乳房x光检查乳腺癌检测是一种可靠的方法。此外,一些计算机辅助检测系统(CAD)帮助乳房x光检查处理提供更准确的结果gydF4y2Ba4gydF4y2Ba]。乳房x光检查是一种低能射线照相的乳房。放射科医生使用这种方法来定位形态改变和推断异常的存在与否,主要是小钙化(gydF4y2Ba5gydF4y2Ba]。乳房钙化小点的钙盐在乳房组织。乳房x光检查的钙化表现为白色的小斑点。有两种不同类型的钙化,微钙化物质和macrocalcificationsgydF4y2Ba6gydF4y2Ba]。macrocalcifications大而粗,大部分是良性的和与年龄有关。微钙化物质可以是乳腺癌的早期迹象,有或没有明显的质量。这个质量可以良性肿瘤、囊肿,或者癌症。gydF4y2Ba

微钙化物质的检测乳房x光片是次优的,因为它取决于放射科医生的经验,标准,疲劳,和视觉能力。因此,放射科医生无法检测乳腺癌病变由于误解,可能会导致更多的假阳性病例。另一个方面是放射科医生认为医学重要性的准确性钙化区域因为有时这些区域的大小可以在乳房x光成像(被误解gydF4y2Ba7gydF4y2Ba]。微钙化物质是亮点,其大小0.1毫米和1毫米之间摇摆gydF4y2Ba8gydF4y2Ba),通常,他们不容易看到。此外,只有某些可疑的微钙化物质(< 0.5毫米)是令人担忧的,因为它是验证之间的比较研究癌症的尺寸测量和病理结果(gydF4y2Ba9gydF4y2Ba]。因此,放射科医生无法检测乳腺癌。gydF4y2Ba

开发了几种方法来帮助放射科医生在钙化的检测使用乳房x光检查图像(gydF4y2Ba10gydF4y2Ba,gydF4y2Ba11gydF4y2Ba]或计算检测(CAD系统)的援助。CAD系统有重大的技术进步产生检测分割和分类钙化灶在数字集群乳房x光片。因此,CAD系统已经应用于临床,二十多年来作为“第二讲师”由放射科医生在诊断(gydF4y2Ba9gydF4y2Ba,gydF4y2Ba12gydF4y2Ba]。CAD系统的使用是受欢迎由于高灵敏度检测平均高达90% (gydF4y2Ba13gydF4y2Ba]。另一方面,在收购一个乳房x光检查获得的图像低对比度,使处理具有挑战性的任务。几种类型的一些方法提出了段微钙化物质使用纹理特性。金和公园(gydF4y2Ba14gydF4y2Ba)周围region-dependence方法相比(SRDM)其他传统的纹理分析方法对集群微钙化物质的检测数字化乳房x光片。分类的性能结果通常是评估使用接收机操作曲线(ROC)曲线,描述了歧视能力的方法gydF4y2Ba15gydF4y2Ba]。Yadollahpour和哈米德(gydF4y2Ba16gydF4y2Ba]提供了一个评估的各种方法考虑纹理分析质量和乳房x线照相术中微钙化检测用于早期乳腺癌检测。Jalalian等人在gydF4y2Ba17gydF4y2Ba基于co-ocurrence]获得统计纹理特征矩阵分割体积感兴趣的。分类阶段使用多层感知器神经网络实现高精度的结果。gydF4y2Ba

两个应用程序霍夫变换和基于阈值的方法被认为是由Fanzinni et al。gydF4y2Ba18gydF4y2Ba)作为强大的技术,屈服于群体单一微钙化物质,作为“成功事件,”集群使用一组专家条例。从这个,可以得到区域包含感兴趣的病变。所使用的高频过滤器是Lauria et al。gydF4y2Ba19gydF4y2Ba]预处理过滤器进行可能的可疑区域的分割在乳房x光检查。分析微钙化屈服于找到感兴趣的和分类区域(roi)通过两个神经网络:第一种是前馈神经网络,而第二个神经网络使用主成分方法分类的过程。Samala等人在gydF4y2Ba20.gydF4y2Ba)提出了一种研究的优势和挑战对应检测数字乳房x光成像和数字乳腺微钙化物质的tomosynthesis从CAD系统的角度来看。gydF4y2Ba

数学的基本概念定义一个拐点作为一个点的曲线曲率的符号(即。凹度)变化。在这种方法中,这种变化在曲率代表城市群的波动和变化在图像的具体水平gydF4y2BacpgydF4y2Ba纹理特征。本文的分析集群gydF4y2BacpgydF4y2Ba在乳房x光检查图像进行纹理特征来检测乳腺癌钙化,可能表明癌症。的最后一部分的造型gydF4y2BacpgydF4y2Ba直方图显示微钙化物质的存在对另一个常见的乳腺组织质量。最后的分类使用弱分类器进行乳房x光检查。文档的组织结构如下:第二部分描述该策略检测钙化。此外,它解释了gydF4y2BacpgydF4y2Ba特性计算,全球和当地的插值,的分类gydF4y2BacpgydF4y2Ba直方图。实验结果和结论,分别提供了在文档的最后一部分。gydF4y2Ba

2。材料和方法gydF4y2Ba

集群的分析突出(gydF4y2BacpgydF4y2Ba)纹理特征,提出了精确检测钙化在数字乳房x光检查。这里描述的建议的方法使用乳房x光检查数据集收集Irapuato总医院的,瓜。数据集包含74张图片:22日诊断为钙化和52诊断为正常组织,按照分类系统对乳房x光片,BI-RADS。我们建议的方法描绘在图的概述gydF4y2Ba1gydF4y2Ba主要呈现三个阶段:(1)特征提取,(2)钙化的分析,和(3)分类的乳房x光检查。首先,gydF4y2BacpgydF4y2Ba从乳房x光检查使用纹理特征计算和差分直方图之和(SDH)技术(gydF4y2Ba21gydF4y2Ba]。gydF4y2Ba

这个特性是衡量一个高值表示大的不对称变化图像的灰度水平(gydF4y2Ba22gydF4y2Ba]。换句话说,gydF4y2BacpgydF4y2Ba是一个衡量如何灰度级分布均匀。按照这个,建议高gydF4y2BacpgydF4y2Ba价值观代表钙化物质,可以更深入地分析验证钙化的检测。gydF4y2Ba

的gydF4y2BacpgydF4y2Ba特征直方图分析利用范德蒙技术。一个全球性的插值函数gydF4y2Baf (cp)gydF4y2Ba最能描述了gydF4y2BacpgydF4y2Ba直方图特征。这个函数是用于分析的范围的可能性高的直方图发现钙化物质,通过gydF4y2BangydF4y2Ba拐点的gydF4y2Baf (cp)gydF4y2Ba,这里称为gydF4y2BaZgydF4y2Ba_cpgydF4y2Ba。每个转折点代表的不同和明显的集聚区和高水平的乳房x光检查gydF4y2BacpgydF4y2Ba纹理特征。然而,深入的分析必须执行搜索和验证钙化的存在在一个特定区域的高频率。为了实现这一点,gydF4y2Bag (cp)gydF4y2Ba从本地插值函数获得的高频率范围gydF4y2BacpgydF4y2Ba直方图。使用特定的范围gydF4y2Bag (cp)gydF4y2Ba函数的属性gydF4y2BaXgydF4y2Ba向量计算。gydF4y2Ba

乳房x光检查的阶段分类接收统计属性的标准化版本的数量(包括零)gydF4y2BaXgydF4y2Ba向量,然后再分类使用的邻居。分类结果参考乳房x光片是“gydF4y2Ba与钙化gydF4y2Ba”或“gydF4y2Ba没有钙化gydF4y2Ba”。在下面,这些阶段将解释在细节。gydF4y2Ba

2.1。使用SDH纹理特征提取算法gydF4y2Ba

和差分直方图之和(SDH)技术计算直方图收集的结果的加法和减法的灰度水平在整个数字图像gydF4y2Ba18gydF4y2Ba]。SDH需要基本的算术操作和更少的内存存储与其他纹理技术相比。此外,它存储的重要信息的图像内容。gydF4y2Ba

考虑到乳房x光图像的矩形矩阵的大小gydF4y2BaKgydF4y2Ba×gydF4y2BalgydF4y2Ba和图像gydF4y2Ba我gydF4y2Ba_{年代gydF4y2Ba}通过总结每个像素及其周围像素由一组吗gydF4y2Ba米gydF4y2Ba相对位移。每个像素的灰度量化gydF4y2BaNgydF4y2Ba_ggydF4y2Ba水平;因此,的范围gydF4y2Ba我gydF4y2Ba_{年代gydF4y2Ba}图像是[0,2 (gydF4y2BaNgydF4y2Ba_ggydF4y2Ba−1)]。从gydF4y2Ba我gydF4y2Ba_{年代gydF4y2Ba}图像直方图之和(gydF4y2BahgydF4y2Ba_{年代gydF4y2Ba})是一个矩形窗口的计算gydF4y2BaNgydF4y2Ba元素(gydF4y2BaNgydF4y2Ba=宽×高,3×3)存储在每个坐标(基数gydF4y2BaxgydF4y2Ba,gydF4y2BaygydF4y2Ba)在窗口一个强度值gydF4y2Ba我gydF4y2Ba。最后,规范化和直方图gydF4y2Ba是由以下方程:gydF4y2Ba

的gydF4y2BacpgydF4y2Ba特性是由以下方程:gydF4y2Ba

正如上面提到的,这个特性是用来寻找钙化在乳房x光成像,钙化和城市群中的高值有关gydF4y2BacpgydF4y2Ba纹理特征。gydF4y2Ba

用于计算的区域的大小gydF4y2BacpgydF4y2Ba的功能是gydF4y2BaDgydF4y2Ba=gydF4y2Ba3×3因为钙化是使用这个尺寸更为明显。只在水平方向上位移成立,虽然更多的方向进行评估,即。、45°、90°、135°没有明显变化。的值被设定为“1”,因为如前所述,微钙化物质< 0.5毫米的大小(gydF4y2Ba9gydF4y2Ba]。这个“1”像素的最小分辨率允许检测微钙化物质。gydF4y2Ba

2.2。的分析gydF4y2BacpgydF4y2Ba直方图特征gydF4y2Ba

在本部分中,它解释了范德蒙技术的理论背景,以及全球和地方插入进行建模gydF4y2BahgydF4y2Ba_cpgydF4y2Ba的行为。的柱状图gydF4y2BacpgydF4y2Ba特性(这里表示gydF4y2BahgydF4y2Ba_cpgydF4y2Ba)可能被一个多项式函数数值模拟gydF4y2Baf (cp)gydF4y2Ba在全球范围内,描述了直方图的行为。这样的gydF4y2Baf (cp)gydF4y2Ba函数是利用范德蒙插值技术获得的。之后,执行局部插值(使用相同的插入器),但只对高值gydF4y2BacpgydF4y2Ba特性。gydF4y2Ba

2.2.1。范德蒙全球插值技术gydF4y2Ba

基本过程来确定系数gydF4y2Ba的多项式函数gydF4y2Ba 由插值的gydF4y2Ba点gydF4y2Ba产生一个线性方程组gydF4y2Ba 或以矩阵形式gydF4y2Ba 。gydF4y2Ba

矩阵gydF4y2BaVgydF4y2Ba的线性系统gydF4y2Ba范德蒙矩阵gydF4y2Ba。这个矩阵是满秩的,系统gydF4y2Ba可以得到解决,获取系数gydF4y2Ba 。gydF4y2Ba在这部作品中,gydF4y2Baf (cp)gydF4y2Ba函数从范德蒙插值是一个多项式函数获得订单13。这个函数是用于获得高的柱状图的范围发现钙化的可能性。为此,一阶导数gydF4y2Baf (cp)gydF4y2Ba计算,而它吗gydF4y2BangydF4y2Ba拐点gydF4y2BaZgydF4y2Ba_cpgydF4y2Ba:gydF4y2Ba

图gydF4y2Ba2gydF4y2Ba描述了在星号(gydF4y2Ba∗gydF4y2Ba)内插函数gydF4y2Baf (cp)gydF4y2Ba在圆形(gydF4y2BaogydF4y2Ba)相应的函数的拐点。请注意,gydF4y2Baf (cp)gydF4y2Ba之前的形状gydF4y2BahgydF4y2Ba_cpgydF4y2Ba(实线),除了在最高的值gydF4y2BacpgydF4y2Ba功能,显示了最小和最大局部频率值。因此,第二个插值必须以适应执行gydF4y2BahgydF4y2Ba_cpgydF4y2Ba行为的最后一部分功能。gydF4y2Ba

2.3。全球分析:检测钙化gydF4y2Ba

注意在图gydF4y2Ba3gydF4y2Ba计算最小和最大阈值gydF4y2BathgydF4y2Ba_{最小值gydF4y2Ba}和gydF4y2BathgydF4y2Ba_{马克斯gydF4y2Ba},有必要分析两种不同行为的最后一部分gydF4y2Baf (cp)gydF4y2Ba功能:(1)当最后一个拐点gydF4y2BaZgydF4y2Ba_cpgydF4y2Ba最大,功能降低;(2)当最后一个拐点gydF4y2BaZgydF4y2Ba_cpgydF4y2Ba是最小的和功能也在不断增加。行为1的前两图所示图gydF4y2Ba3gydF4y2Ba图,最后说明了第二个行为例。gydF4y2Ba

在这项工作中,我们提出一个凹度判据选择阈值。凹度标准如下:建立区域寻找钙化范围从倒数第二拐点到最后拐点如果最后一个转折点是最大的,否则是范围从倒数第三个的转折点,如果最后一个转折点是最小:gydF4y2Ba

在这两种情况下见图gydF4y2Ba3gydF4y2Ba,最大gydF4y2Ba是最后一个拐点。建立了范围gydF4y2Ba和gydF4y2Ba用于获得第二的插值函数gydF4y2Ba 。gydF4y2Ba这个函数将被称为gydF4y2Bag (cp)gydF4y2Ba,它被解释为当地一个插值的结果。gydF4y2Ba

2.4。当地插值:寻找钙化gydF4y2Ba

柱状图的一部分gydF4y2BahgydF4y2Ba_cpgydF4y2Ba位于范围gydF4y2BathgydF4y2Ba_{最小值gydF4y2Ba}和gydF4y2BathgydF4y2Ba_{马克斯gydF4y2Ba}也被称为是gydF4y2Ba 。gydF4y2Ba在这个局部插值函数gydF4y2Bag (cp)gydF4y2Ba符合gydF4y2Ba曲线值更准确,用于计算新的拐点gydF4y2BaZgydF4y2Ba_cpgydF4y2Ba。gydF4y2Ba

在图gydF4y2Ba4gydF4y2Ba,全球和当地的插值结果进行了比较。数据gydF4y2Ba4gydF4y2Ba(一)和gydF4y2Ba4gydF4y2Ba分别(b)显示,全球和当地的插值函数gydF4y2Baf (cp)gydF4y2Ba和gydF4y2Bag (cp)gydF4y2Ba。注意当地插值过程中,函数gydF4y2Bag (cp)gydF4y2Ba(蓝色实线在图gydF4y2Ba4gydF4y2Ba(b))更适合gydF4y2Ba值(红色星号)比在过去的全局插值函数图的一部分gydF4y2Ba4gydF4y2Ba(一个)。此外,新gydF4y2Bag (cp)gydF4y2Ba功能包括额外的拐点gydF4y2BaZgydF4y2Ba_cpgydF4y2Ba(黑圈图gydF4y2Ba4gydF4y2Ba(b)),更好地描述了高频率的变化。这种可变性在第二次插值可以在乳房x光检查假设存在钙化;然而,结果将是交付的分类器。gydF4y2Ba

2.4.1。局部分析计算属性gydF4y2Ba

的gydF4y2Bag (cp)gydF4y2Ba函数是用于计算一些纹理属性(gydF4y2BaXgydF4y2Ba向量)的DICOM图像钙化区可以被发现。属性计算(1)的数量为零gydF4y2BaZgydF4y2Ba_cpgydF4y2Ba和(2)中包含的像素的数量gydF4y2Ba 。gydF4y2Ba从第二个属性,可以计算三个统计值,像的意思是,标准差和收益率方差5属性。这些属性判别足够用于正常和恶性组织的分类过程。gydF4y2Ba

2.5。乳房x光检查的分类gydF4y2Ba

五个属性由centered-reduced规范化数据技术和用作基于欧氏距离的资讯分类器的输入。资讯分类器排名第三的最常用的分类器在过去的20年里在乳房x光检查分析(gydF4y2Ba23gydF4y2Ba,在我们的案例中,由于模型提出,这分类器是最合适的。欧氏距离足够判别,因为属性不是线性的,允许更大的类间分离。不平衡单一数据类,gydF4y2BaKgydF4y2Ba必须选为奇数,在我们的案例中gydF4y2BaKgydF4y2Ba=gydF4y2Ba3所示。分类器的训练和测试是使用分析交叉验证(LOOCV)。这种验证技术确保了非常低的错误;此外,它通常用于小型数据库,提供一个独立训练集和测试集的最大调整(gydF4y2Ba23gydF4y2Ba,gydF4y2Ba24gydF4y2Ba]。gydF4y2Ba

3所示。结果与讨论gydF4y2Ba

就像上面所描述的那样,乳房x光检查数据集包含74张图片:22诊断为钙化和52诊断为正常组织,按照分类系统对乳房x光片,BI-RADS。乳房x光检查的图像存储为DICOM 3.0格式,大小为4784×3517像素,如图gydF4y2Ba5(一个)gydF4y2Ba。图gydF4y2Ba5 (b)gydF4y2Ba显示了gydF4y2BacpgydF4y2Ba乳房x光检查的属性,用于为造型工作强度急剧变化。gydF4y2Ba

从全球的插值结果gydF4y2BahgydF4y2Ba_cpgydF4y2Ba柱状图在图gydF4y2Ba6(一)gydF4y2Ba。注意,这个函数强调质量,进行,钙化,同时健康组织。正如我们上面提到的,第二个插值技术的高频区gydF4y2BacpgydF4y2Ba柱状图,产生gydF4y2Bag (cp)gydF4y2Ba函数。图gydF4y2Ba6 (b)gydF4y2Ba说明了钙化检测到的gydF4y2Bag (cp)gydF4y2Ba函数。然而,这第二分析还需要验证这些地方发现属于异常组织增长或质量,也就是说,如果这些斑点是钙化。为此,五个属性的计算和分析gydF4y2Bag (cp)gydF4y2Ba功能,使用它们作为资讯分类器的输入。gydF4y2Ba

图gydF4y2Ba7(一)gydF4y2Ba说明了分类结果的专家,和图gydF4y2Ba7 (b)gydF4y2Ba说明了使用我们的方法获得的结果。我们的方法检测完全两个钙化专家在图所示gydF4y2Ba7(一)gydF4y2Ba。的gydF4y2BacpgydF4y2Ba乳房x光检查功能检测大强度的变化;因此,可以发现更多的钙化在图gydF4y2Ba7 (b)gydF4y2Ba比那些被人类的眼睛。数据gydF4y2Ba7 (c)gydF4y2Ba和gydF4y2Ba7 (d)gydF4y2Ba显示微钙化物质发现的集群。gydF4y2Ba

第二个结果如图gydF4y2Ba8gydF4y2Ba。这里,钙化视觉发现由一个专家也完全由该方法检测到。gydF4y2Ba

数据gydF4y2Ba7gydF4y2Ba和gydF4y2Ba8gydF4y2Ba说明定性正确的建议的方法的性能对乳房x光检查之前被诊断为钙化。以下小节将展示定量结果和比较表指出我们提出的相关策略。gydF4y2Ba

3.1。指标的性能分析gydF4y2Ba

定量结果总结了实验测试获得的混淆矩阵见表gydF4y2Ba1gydF4y2Ba。最坏的情况下的分类器是假阴性(FN)得分,指的情况下分类器不能检测到钙化,和它的存在。从表gydF4y2Ba1gydF4y2Ba,两个假阴性(fn)获得的实验测试。另一方面,四个假阳性(FP)从实验测试,获得这个结果显示钙化物质的存在,不存在,根据诊断的医学专家。gydF4y2Ba

报道混淆矩阵,从实验结果获得特异性是0.9230为正常组织检测灵敏度和0.9090钙化检测。这样的分类通常是与其他策略相比,在文献中提出。最坏的情况下在分类阶段是由于存在假阴性值。在这种情况下,两个FN的病例进行分析,并在这两种情况下,乳房x光检查显示低亮度。gydF4y2Ba

现在,多项式函数的选择顺序保证最好的结果准确性至关重要。因此,表gydF4y2Ba2gydF4y2Ba展示了我们的方法测量了不同的绩效评估指标包括准确度、精度、特异性、敏感性,和比例的假警报(FA),不同订单的多项式函数。最好的精度值是0.9189,13和14的功能;然而,13被选为简单起见。对于这个订单,获得的精确值是0.8333,不像我们预期高由于误报。这意味着我们的战略最常见的错误发生在发现钙化,但它并不存在。这样的结果也验证了特异性和灵敏度值:分别为0.9230和0.9090。正面和负面的比例不正确的检测(假警报,FA)是0.0769,和低假阴性的比例是最期望的结果。gydF4y2Ba

不同方法之间的比较分析中发现的最先进的表所示gydF4y2Ba3gydF4y2Ba。第一列是不同作者使用的技术包括我们提出策略,第二列显示数据集用于实验结果。第三列显示图像处理是如何执行的,可以手动,半自动的,自动化。最后一列显示了每个方法的实现精度。gydF4y2Ba

此外,在这些方法中,算法处理是自动允许真正的应用程序使用这些策略。然而,我们想指出的方法计算纹理特性,如[gydF4y2Ba20.gydF4y2Ba),我们的方法,最好的性能表明我们的策略。此外,在这三种方法中,我们的方法是唯一的方法,自动处理图像。gydF4y2Ba

表gydF4y2Ba3gydF4y2Ba显示了一个比较分析不同相关国家的艺术作品。第一列中列出了相关的方法,这些方法使用纹理检测钙化或外观特性和不同的分类方法。用于实验测试的数据集显示在第二列,第三列显示方法的执行模式,(A)自动和半自动。自动引用,没有用户干预是必要的;另一方面,半自动需要从用户最小干预。注意,只有中提出的方法gydF4y2Ba26gydF4y2Ba,gydF4y2Ba27gydF4y2Ba半自动。gydF4y2Ba

第四列显示了允许我们的精度值之间的性能比较的方法。特别是,我们建议的方法和工作提出了gydF4y2Ba15gydF4y2Ba,gydF4y2Ba18gydF4y2Ba,gydF4y2Ba19gydF4y2Ba,gydF4y2Ba25gydF4y2Ba]显示精度高于0.9,表明高性能评估。尽管我们的建议不存在最好的精度,这是定位在中间的所有high-performed方法,成为一名优秀的和有竞争力的解决方案。注意,最好的方法的准确性,提出了(gydF4y2Ba15gydF4y2Ba),只有0.0178对我们的不同,这种差异可以解决使用一个数据集和更多的样品。第五列显示灵敏度,评估性能只有在检测到钙化。对于大多数的作品相比,这种方法优于0.9,尤其是工作提出了(gydF4y2Ba25gydF4y2Ba]显示最高的灵敏度,我们建议的方法只有0.06。最后,第六列显示每个图像假阳性(FPi),它允许在钙化检测测量错误,也就是说,当检测到正常组织钙化。对于这个措施,所有引用列出小于6,表明FPi性能好。gydF4y2Ba

4所示。结论gydF4y2Ba

基于集群突出的方法检测钙化gydF4y2BacpgydF4y2Ba在乳房x光成像特性的分析提出了这项工作。深入分析了集群抛出,突出特点是高度歧视和允许的造型相比钙化与其他属性。获得的分类误差较低。在这个错误分类,我们的战略最常见的错误是错误的检测,这是假阳性,最终不如误报警结果至关重要。性能比较表明,我们提出的策略具有更好的性能比类似的作品。提出这种方法作为一种工具来帮助放射科医生在诊断。一个web应用程序正在建设提供更灵活的支持最终用户。未来的工作包括进一步实验测试该方法的使用INbreast数据集和的新特征gydF4y2BacpgydF4y2Ba功能改善时间性能结果。gydF4y2Ba

数据可用性gydF4y2Ba

乳房x光检查数据库和相应的医院提供的医疗诊断区域Irapuato基于隐私协议的数字信号处理实验室大学瓜。该协议避免了公开共享或分发任何类型的数据或乳房x光检查提供的医院。gydF4y2Ba

的利益冲突gydF4y2Ba

作者宣称没有利益冲突有关的出版。gydF4y2Ba

确认gydF4y2Ba

作者要感谢医院区域de Irapuato乳房x光检查数据集提供了执行该方法的实验测试。这项工作是支持的项目中智003/2018题为“Desarrollo de模一样均出自同一名设计师de手basados en线电气(PLC) y Luz可见工业(VLC)对位拉interaccion de sistema Autonomos”颁发的瓜纳华托大学和研究和研究生部(DAIP)。gydF4y2Ba