Classification of injuries in the Mamogram by Components of Independent Review, Analysis Discriminant Linear and Vector Machine, Support / Classificação de Lesões em Mamografias por Análise de Componentes Independentes, Análise Discriminante Linear e Máquina de Vetor de Suporte

AUTOR(ES)

Daniel Duarte Costa

DATA DE PUBLICAÇÃO

2008

RESUMO

Câncer de mama feminino é o câncer que mais causa morte nos países ocidentais. Esforços em processamento de imagens foram feitos para melhorar a precisão dos diagnósticos por radiologistas. Neste trabalho, nós apresentamos uma metodologia que usa análise de componentes independentes (ICA) junto com análise discriminante linear (LDA) e máquina de vetor de suporte (SVM) para distinguir as imagens entre nódulos ou não-nódulos e os tecidos em benignos ou malignos. Como resultado, obteve-se com LDA 90,11% de acurácia na discriminação entre nódulo ou não-nódulo e 95,38% na discriminação de tecidos benignos ou malignos na base de dados DDSM. Na base de dados mini- MIAS, obteve-se 85% e 92% na discriminação entre nódulos ou não-nódulos e tecidos benignos ou malignos respectivamente. Com SVM, alcançou-se uma taxa de até 99,55% na discriminação de nódulos ou não-nódulos e a mesma porcentagem na discriminação entre tecidos benignos ou malignos na base de dados DDSM enquanto que na base de dados mini-MIAS, obteve-se 98% e até 100% na discriminação de nódulos ou não-nódulos e tecidos benignos ou malignos, respectivamente.

ASSUNTO(S)

computer aided diagnosis análise discriminante linear linear discriminant analysis mamografias mammogram análise de componentes principais análise de componentes independentes principal component analysis engenharia biomedica independent component analysis support vector machine diagnóstico auxiliado por computador máquinas de vetor de suporte

Documentos Relacionados

• Classification of Digital Injuries in examination of breast cancer Using Analysis of Components Independentes and multilayers Perceptron
• Otimização e análise das máquinas de vetores de suporte aplicadas à classificação de documentos.
• Classicação de Regiões de Mamografias em Massa e Não Massa usando Estatistica Espacial e Máquina de Vetores de Suporte
• Análise e classificação de imagens de lesões da pele por atributos de cor, forma e textura utilizando máquina de vetor de suporte
• FUZZY RULES EXTRACTION FROM SUPPORT VECTOR MACHINES (SVM) FOR MULTI-CLASS CLASSIFICATION