Metoda klasyfikacji obrazów USG tarczycy z wykorzystaniem indukcji drzew decyzji

• Autorzy: Omiotek Z. , Burda A. , Wójcik W.

Warianty tytułu

EN

Method for classification of ultrasound thyroid images by decision tree induction

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono metodę klasyfikacji zdjęć USG tarczycy. Metoda ta pozwala zaklasyfikować analizowane przypadki do jednej z dwóch kategorii: chory lub zdrowy. Wyselekcjonowana w trakcie badania grupa przypadków błędnie klasyfikowanych zdaniem autorów może zawierać cechy charakterystyczne dla wczesnego stadium rozwoju choroby Hashimoto. Do budowy modelu klasyfikacji wykorzystano indukcję drzew decyzji. Wyniki testów pokazały, iż zaproponowana metoda może stanowić punkt wyjścia do budowy systemu wspomagającego lekarza w procesie diagnozy.

EN

The article presents a method for classification of ultrasound thyroid images. This method allows to classify the analyzed cases as sick and healthy. It also allows to separate fairly large group of incorrectly classified cases. According to the authors, this group may include characteristics of the early stage of Hashimoto's disease. Decision tree induction has been used to build a classification model. Test results showed that the proposed method can provide a starting point to build a support system in the process of medical diagnosis.

Słowa kluczowe

PL

tarczyca; choroba Hashimoto; klasyfikacja tekstur; drzewo decyzyjne

EN

thyroid; Hashimoto’s disease; texture classification

• Wydawca: Sieć Badawcza Łukasiewicz - Instytut Elektrotechniki
• Czasopismo: Prace Instytutu Elektrotechniki
• Rocznik: 2012
• Tom: Z. 260
• Strony: 57--68
• Opis fizyczny: Bibliogr. 17 poz., rys., tab.

Twórcy

autor

Omiotek Z.

autor

Burda A.

autor

Wójcik W.

• Wyższa Szkoła Zarządzania i Administracji w Zamościu, Wydział Zarządzania i Administracji,

Bibliografia

• 1. Breiman L., Friedman J.H., Olshen R.A., Stone C.J.: Classification and regression trees. Wadsworth & Brooks/Cole Advanced Books & Software, Monterey, 1984.
• 2. Butlewski T., Franek E.: Diagnostyka obrazowa chorób tarczycy. Choroby Serca i Naczyń, Nr 6, 37-41, 2009.
• 3. Castanho M.J.P., Hernandes F., De Ré A.M., Rautenberg S., Billis A.: Fuzzy expert system for predicting pathological stage of prostate cancer. Expert Systems with Applications, Vol. 40, 466-470 (w druku).
• 4. Cichosz P.: Systemy uczące się. WNT, Warszawa 2000.
• 5. Fauci A.S., Braunwald E., Isselbacher K.J., Wilson J.D., Martin J.B., Kasper D.L., Hauser S.L., Longo D.L.: Interna Harrisona. Tom III. Wydawnictwo Czelej, Lublin 2009.
• 6. Grzymała-Busse J.W., Hippe Z.S.: Data Mining Methods Supporting Diagnosis of Melanoma. W: Proc. 18th IEEE Symposium on Computer-Based Medical Systems, IEEE Comp. Soc., Los Alamitos (California, USA), 371-373, 2005.
• 7. Haralick R.: Statistical and Structural Approaches to Texture. Proceedings of the IEEE, Vol. 67, No 5, 786-804, 1979.
• 8. Haralick R., Shanmugam K., Dinstein I.: Textural Features for Image Classification. IEEE Transactions on Systems, Man and Cybernetics, Vol. 3, No 6, 610-621, 1973.
• 9. Hill T., Lewicki P.: STATISTICS: Methods and Applications. StatSoft, Tulsa 2007.
• 10. Hu Y., Dennis T.: Textured Image Segmentation by Context Enhanced Clustering. IEE Proc.-Visual Image and Signal Processing, Vol. 141, No 6, 413-421, 1994.
• 11. Kokot F. (red.): Choroby wewnętrzne. Podręcznik akademicki. Tom 2. Wydawnictwo Lekarskie PZWL, Warszawa 2006.
• 12. Lerski R., Straughan K., Shad L., Boyce D., Bluml S., Zuna I.: MR Image Texture Analysis – An Approach to Tissue Characterization. Magnetic Resonance Imaging, Vol. 11, 873-887, 1993.
• 13. Liao S.-H., Chu P.-H., Hsiao P.-Y.: Data mining techniques and applications – A decade review from 2000 to 2011. Expert Systems with Applications, Vol. 39, 11303-11311, 2012.
• 14. Ligęza A.: Logical Foundations for Rule-Based Systems. Uczelniane Wydawnictwo Naukowo-Dydaktyczne Akademii Górniczo-Hutniczej w Krakowie, Kraków 2005.
• 15. Sokołowska-Pituchowa J. (red.): Anatomia człowieka. Podręcznik dla studentów medycyny. Wyd. VII. Wydawnictwo Lekarskie PZWL, Warszawa 2006.
• 16. Wróbel Z., Koprowski R.: Praktyka przetwarzania obrazów z zadaniami w programie Matlab. Akademicka Oficyna Wydawnicza EXIT, Warszawa 2008.
• 17. www.eletel.p.lodz.pl/programy/cost/progr_mazda.html.