کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
9952252 1444170 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Neural network and multi-fractal dimension features for breast cancer classification from ultrasound images
ترجمه فارسی عنوان
ویژگی های شبکه عصبی و چند بعدی برای طبقه بندی سرطان پستان از تصاویر فراصوت
کلمات کلیدی
سرطان پستان، ابعاد چند فراکتال، رویکرد شبکه عصبی، طبقه بندی سرطان پستان، تصاویر سونوگرافی،
ترجمه چکیده
سرطان پستان یکی از دلایل تهدید کننده در عمل بالینی است. با این حال، روش های تشخیص سرطان موجود در پستان مشکلات پیچیده، هزینه، وابستگی به انسانی و ناکافی را در بر دارد. اخیرا، بسیاری از سیستم های کامپیوتری و بین رشته ای برای جلوگیری از خطاهای انسانی در هر دو اندازه گیری و تشخیص ساخته شده است. برای بهینه سازی کارایی شناسایی تومور پستان، یک سیستم کامپیوتری می تواند بیشتر بهبود یابد. مقاله حاضر تلاش می کند تا خودکار سازی ویژگی های سرطان پستان از تصاویر فراصوت با استفاده از ابعاد چند فراکتال و شبکه های عصبی برگشتی را ارائه کند. در این مطالعه، 184 تصویر اولتراسوند پستان (72 مورد غیر طبیعی (موارد تومور) و 112 مورد عادی) مورد بررسی قرار گرفتند. تنظیمات مختلف برای دستیابی به تعادل مناسب بین میزان مثبت و منفی موارد تشخیص داده شد. نتایج به دست آمده در دقت بالای (82.04٪)، حساسیت (79.39٪) و ویژگی (75/84٪) بیان شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر شبکه های کامپیوتری و ارتباطات
پیش نمایش مقاله
ویژگی های شبکه عصبی و چند بعدی برای طبقه بندی سرطان پستان از تصاویر فراصوت
چکیده انگلیسی
Breast cancer is considered to be one of the most threatening issues in clinical practice. However, existing breast cancer diagnosis methods face questions of complexity, cost, human-dependency, and inaccuracy. Recently, many computerized and interdisciplinary systems have been developed to avoid human errors in both quantification and diagnosis. A computerized system can be further improved to optimize the efficiency of breast tumour identification. The current paper presents an effort to automate characterization of breast cancer from ultrasound images using multi-fractal dimensions and backpropagation neural networks. In this study, a total of 184 breast ultrasound images (72 abnormal (tumour cases) and 112 normal cases) were examined. Various setups were employed to achieve a decent balance between positive and negative rates of the diagnosed cases. The obtained results manifested in high rates of precision (82.04%), sensitivity (79.39%), and specificity (84.75%).
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Electrical Engineering - Volume 70, August 2018, Pages 871-882
نویسندگان
, , , , , ,