Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2012

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: ocena złośliwości nowotworów piersi

Sortuj według:

Ogranicz wyniki do:

Wpływ technik rozpoznawania wzorców na ocene złośliwości nowotworów piersi

Jeleń Ł., Krzyżak A., Fevens T., Jeleń M.

Biuletyn Naukowy Wrocławskiej Wyższej Szkoły Informatyki Stosowanej. Informatyka

2012

vol. 2

16--23

W ninieszym artykule prezentujemy zastosowania technik rozpoznawania wzorców oraz analizy obrazu do automatycznej obróbki i analizy obrazów cytologicznych. W celu wskazania nowych wyzwań w tej dziedzinie przegląd literatury zwiazanej z tym zagadnieniem został zaprezentowany. Ocena złośliwości nowotworów piersi jest skomplikowanym problemem gdzie doświadczenie jest bardzo istotne i może mieć wpływ na końcową diagnozę. Zastosowanie komputerowego systemu oceny pozwoli na zobiektywizowanie tego procesu. Artykuł prezentuje liczne zastosowania technik rozpozanwania wzorców w odniesieniu do zdjęć cytologicznych nowowtworów piersi w celu lepszej separowalności nietylko między komórkami nowtworowymi i zdrowymi, ale także między stpniami złośliwości. Wyznaczenie stopnia złośliwości jest bardzo istotne w diagnostyc, ponieważ ma wpływ na wybór sposobu leczenia. W niniejszym artykule prezentujemy także porównanie trzech sieci neuronowych wykorzystanych do oceny zdjęć cytologicznych piersi oraz porównujemy ich działanie z perceptronem wielowarstwowym opisanym w literaturze.

In this paper we discuss applications of pattern recognition and image processing to automatic processing and analysis of cytological images. The literature survey of the problem is presented to point out new chalenges. The brest cancer malignancy grading is a difficult procedure that involves a lot of experiance which can have an impact on the diagnosis. A role of the computerized system is to help to make the diagnosis process more objective. The paper presents numerous applications of the patteren recognition techniques to breast cancer cytology to produce better discriminations not only between cancerous and helthy cells but also malignancy grades. Determination of the maligancy grade is crutial during the diagnosis because it will have an impact on the patient treatment. In the paper we also present a comparison of three neural networks applied to the breast cytology and compare them to the multilayer approach from the literature.