System automatycznej detekcji i klasyfikacji mikrozwapnień w cyfrowej mammografii

• Autorzy: Wróblewska A. , Przelaskowski A.

Warianty tytułu

EN

A CAD system for the automatic detection and classification of microcalcifications in digital mammography

• Konferencja: Techniki Przetwarzania Obrazu - TPO 2002 ; (4 ; 21-23.11.2002 ; Serock, Polska)
• Języki publikacji: PL

Abstrakty

PL

Mikrozwapnienia są jednym z ważniejszych objawów umożliwiających wczesne wykrycie raka sutka. Celem pracy było zaprojektowanie i realizacja systemu automatycznej detekcji i klasyfikacji mikrozwapnień. Metoda wstępnej detekcji potencjalnych obiektów mikrozwapnień oparta jest na filtracji morfologicznej "white top-hat" i segmentacji obrazu przy użyciu progu znajdowanego na podstawie aproksymacji lokalnego histogramu rozkładem prawdopodobieńdtwa Gaussa. Następnie klasyfikatorem obiektów jest sztuczna sieć neuronowa.

EN

Microcalcifications are one of more important signs enabling detection of breast cancer at early stage. The goal of the research was designing and realization of a system for the automatic detection and classification of microcalcifications. The first step of the detection algorithm is to segment out the individual potential microcalcifications. This is achieved by applying opening by reconstruction top-hat technique and image thresholding based on approximation of an image local histogram with a probability density of Gauss distribution. Selected features of the segmented out objects are used as inputs to a neural network.

Słowa kluczowe

PL

mammografia cyfrowa; detekcja obiektów; mikrozwapnienie

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronizacja : podzespoły i zastosowania elektroniki
• Rocznik: 2003
• Tom: Vol. 23, nr 3
• Strony: 8--10
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Wróblewska A.

• Politechnika Warszawska, Instytut Radioelektroniki

autor

Przelaskowski A.

• Politechnika Warszawska, Instytut Radioelektroniki

Bibliografia

• 1. Mammografia w diagnostyce raka sutka. Red. J. Dzjukowa, Warszawa, Bel Corp 1998.
• 2. Przelaskowski A., Surowski P.: Metody optymalizacji reprezentacji medycznych danych obrazowych do archiwizacji i transmisji telemedycznej. Projekt badawczy KBN 7T11E03920, styczeń 2002.
• 3. http://www.r2tech.com
• 4. http://marathon.csee.usf.edu/Mammography/Database.html
• 5. Quadrades S., Sacristan A.: Automated extraction of microcalcifications BI-RADS numhers in mammograms. Proc. IEEE ICIP 2001.
• 6. Yu S., Guan L.: A CAD system for the automatic detection of clustered microcalcifications in digitized mammogram films. IEEE Trans. Medical Imag. 19(2):115-125, 2000.
• 7. Kim J., Park H.: Statistical textural features for detection of microcalcifications in digitized mammograms. IEEE Trans. Medical Imag. 18(3):231-238, 1999.
• 8. Jiang Y., Nishikawa R. i in.: Malignant and benign clustered microcalcifications: automated feature analysis and classification. Radiology 198:671-678, 1996.
• 9. Shen L., Rangayyan R., Desautels J.: Shape analysis of mammographic calcifications. Proc. of Fifth Annual IEEE Symposium on Computer-Based Medical Systems, pp. 123-128, 1992.
• 10. Pratt W.: Digital Image Processing. New York, A Wiley - Interscience publication, John Wiley & Sons, 1991.
• 11. Sonka M., Hlavac V., Boyle R.: Image Processing, Analysis and Machine Vision. PWS Publishing, wyd. 2.