Wyniki wyszukiwania - BazTech

1

Breast cancer diagnosis: A systematic review

Wen Xin, Guo Xing, Wang Shuihua, Lu Zhihai, Zhang Yudong

Biocybernetics and Biomedical Engineering

|

2024

|

Vol. 44, no. 1

119--148

EN

The second-leading cause of death for women is breast cancer. Consequently, a precise early diagnosis is essential. With the rapid development of artificial intelligence, computer-aided diagnosis can efficiently assist radiologists in diagnosing breast problems. Mammography images, breast thermal images, and breast ultrasound images are the three ways to diagnose breast cancer. The paper will discuss some recent developments in machine learning and deep learning in three different breast cancer diagnosis methods. The three components of conventional machine learning methods are image preprocessing, segmentation, feature extraction, and image classification. Deep learning includes convolutional neural networks, transfer learning, and other methods. Additionally, the benefits and drawbacks of different methods are thoroughly contrasted. Finally, we also provide a summary of the challenges and potential futures for breast cancer diagnosis.

2

A hybrid lightweight breast cancer classification framework using the histopathological images

Addo Daniel, Zhou Shijie, Sarpong Kwabena, Nartey Obed T., Abdullah Muhammed A., Ukwuoma Chiagoziem C., Al-antari Mugahed A.

Biocybernetics and Biomedical Engineering

|

2024

|

Vol. 44, no. 1

31--54

EN

A crucial element in the diagnosis of breast cancer is the utilization of a classification method that is efficient, lightweight, and precise. Convolutional neural networks (CNNs) have garnered attention as a viable approach for classifying histopathological images. However, deeper and wider models tend to rely on first-order statistics, demanding substantial computational resources and struggling with fixed kernel dimensions that limit encompassing diverse resolution data, thereby degrading the model’s performance during testing. This study introduces BCHI-CovNet, a novel lightweight artificial intelligence (AI) model for histopathological breast image classification. Firstly, a novel multiscale depth-wise separable convolution is proposed. It is introduced to split input tensors into distinct tensor fragments, each subject to unique kernel sizes integrating various kernel sizes within one depth-wise convolution to capture both low- and high-resolution patterns. Secondly, an additional pooling module is introduced to capture extensive second-order statistical information across the channels and spatial dimensions. This module works in tandem with an innovative multi-head self-attention mechanism to capture the long-range pixels contributing significantly to the learning process, yielding distinctive and discriminative features that further enrich representation and introduce pixel diversity during training. These novel designs substantially reduce computational complexities regarding model parameters and FLOPs, which is crucial for resource-constrained medical devices. The outcomes achieved by employing the suggested model on two openly accessible datasets for breast cancer histopathological images reveal noteworthy performance. Specifically, the proposed approach attains high levels of accuracy: 99.15 % at 40× magnification, 99.08 % at 100× magnification, 99.22 % at 200× magnification, and 98.87 % at 400× magnification on the BreaKHis dataset. Additionally, it achieves an accuracy of 99.38 % on the BACH dataset. These results highlight the exceptional effectiveness and practical promise of BCHI-CovNet for the classification of breast cancer histopathological images.

3

Machine learning to diagnose breast cancer

Ismaeel Ghassan Ahmad

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

10--12

EN

As the number of breast cancer diseases is increasing rapidly every year, new technologies are utilized to predict and diagnose this disease for better women's lives worldwide. The development of Machine Learning can be utilized to contribute in this sense and help in the early diagnosis of breast cancer. This paper aims to predict and diagnose breast cancer using Machine Learning techniques such as support vector Machine (SVM) and Decision -tree and Nearest neighbour (KNN). The results show the out performance of SVM over the other methods. These methods can be very helpful to predict the breast cancer disease ahead of time.

PL

Ponieważ liczba zachorowań na raka piersi gwałtownie rośnie z roku na rok, nowe technologie są wykorzystywane do przewidywania i diagnozowania tej choroby w celu poprawy życia kobiet na całym świecie. Rozwój uczenia maszynowego może być wykorzystany do wniesienia wkładu w tym sensie i pomocy we wczesnej diagnozie raka piersi. Niniejszy artykuł ma na celu przewidywanie i diagnozowanie raka piersi przy użyciu technik uczenia maszynowego, takich jak maszyna wektora nośnego (SVM) oraz drzewo decyzyjne i najbliższy sąsiad (KNN). Wyniki pokazują wydajność SVM w porównaniu z innymi metodami. Metody te mogą być bardzo pomocne w przewidywaniu zgonów na raka piersi z wyprzedzeniem.

4

Grey Wolf optimization based breast cancer detection using 1D Convolution LSTM classifier

Jebarani Esther P., Umadevi N.

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 1

1--9

EN

Women are particularly vulnerable to breast cancer. Breast cancer diagnosis has benefited greatly from the utilization of ultrasound imaging. Breast UltraSound (BUS) image segmentation remains a difficult challenge due to low image quality. Furthermore, BUS image segmentation, as well as classification, is an important stage in the analysis process. Initially, the image associated with breast cancer is gathered from MIAS database. The gathered image undergoes pre-processing operation using the adaptive median filtering technique. Subsequently, the segmentation is performed in the pre-processed images using the hybrid method consisting of GMM and K-Means. These segmented images undergo the feature extraction steps further where the features are extracted by utilizing the Gray Level Co-occurrence Matrix (GLCM). Grey Wolf Optimization (GWO) selects the optimal features for further classification using a novel 1D Convolution LSTM. Here, the pooling layer of 1D CNN is replaced by the LSTM. The objective function behind the optimal feature selection and classification is the accuracy maximization. Finally, the novel One Dimensional Convolution Long Short Term Memory (1 DCLSTM) classifies the outcome into normal, benign, and malignant, respectively. The proposed method is compared with the other state of art methods related to this research.

PL

Kobiety są szczególnie narażone na raka piersi. Diagnostyka raka piersi bardzo skorzystała na wykorzystaniu obrazowania ultrasonograficznego. Segmentacja obrazu UltraSound (BUS) piersi pozostaje trudnym wyzwaniem ze względu na niską jakość obrazu. Ponadto segmentacja obrazu BUS, a także klasyfikacja, jest ważnym etapem procesu analizy. Początkowo obraz związany z rakiem piersi pozyskiwany jest z bazy MIAS. Zgromadzony obraz jest poddawany wstępnemu przetwarzaniu przy użyciu techniki adaptacyjnego filtrowania medianowego. Następnie na wstępnie przetworzonych obrazach przeprowadzana jest segmentacja metodą hybrydową składającą się z GMM i K-Means. Te podzielone na segmenty obrazy przechodzą kolejne etapy ekstrakcji cech, w których cechy są wyodrębniane przy użyciu macierzy współwystępowania poziomu szarości (GLCM). Optymalizacja Gray Wolf (GWO) wybiera optymalne funkcje do dalszej klasyfikacji przy użyciu nowatorskiego rozwiązania 1D Convolution LSTM. W tym przypadku warstwa łączenia 1D CNN zostaje zastąpiona przez LSTM. Funkcją celu stojącą za optymalnym doborem i klasyfikacją cech jest maksymalizacja dokładności. Wreszcie, powieść jednowymiarowa pamięć krótkoterminowa z konwolucją jednowymiarową (1 DCLSTM) klasyfikuje wynik odpowiednio na normalny, łagodny i złośliwy. Proponowana metoda jest porównywana z innymi nowoczesnymi metodami związanymi z tymi badaniami.

5

Wybrane produkty spożywcze jako czynnik ograniczający ryzyko zachorowania na raka piersi

Achrem-Achremowicz Bohdan

Przemysł Spożywczy

|

2022

|

T. 76, nr 8

60--63

PL

Rak piersi jest główną przyczyną zgonów kobiet na świecie, a rocznie diagnozuje się ponad 2 mln zachorowań. W Polsce w 2020 r. stwierdzono 24 644 nowych przypadków i 8 805 zgonów. W niektórych publikacjach podano, że produkty mleczne mogą ograniczać zacho-rowania na raka piersi, natomiast w innych stwierdzono odwrotną zależność lub brak związku pomiędzy spożyciem produktów mlecznych a chorobami. Interesujące są także wyniki badań wpływu częstego spożycia warzyw kapustowatych lub ich przetworów, przeprowadzone w grupie emigrantek z Polski do USA. Wykazano i potwierdzono statystycznie istotny wpływ wysokiego spożycia przez młode kobiety surowej, krótko gotowanej oraz kiszonej kapusty na zmniejszenie ryzyka raka piersi, wyniki były także spójne na wszystkich poziomach spożycia w wieku dorosłym.

EN

Breast cancer is the leading cause of death for women worldwide, with more than 2 million illnesses being diagnosed each year. In Poland 24,644 new cases and 8,805 deaths were found in 2020. The cited publications state that dairy products can prevent breast cancer. Other studies suggest that there is an opposite relationship in some cases, or no relationship between the consumption of particular dairy products and the disease. The results of studies on the effects of high cabbage consumption; short-cooked and pickled conducted in the USA among immigrants from Poland are interesting. A statistically significant effect of high consumption of raw, short-cooked cabbage or a sauerkraut on the reduction of the risk of breast cancer in young woman was demonstrated and confirmed, and the results were also consistent with the consumption levels in adulthood.

6

Cancer therapeutics strategy using nano-carrier mediated natural drugs

Shaw S., Singh P., Mishra R., Singh R., Nayak R., Bose S.

Journal of Achievements in Materials and Manufacturing Engineering

|

2022

|

Vol. 114, nr 1

32--41

EN

Purpose: Nucleolin is a multifactorial protein, having a significant role in chromatin remodelling, mRNA stability, ribosome biogenesis, stemness, angiogenesis, etc., thus, it is potential therapeutic target in cancer. The purpose of this paper is to study porous silicon (pSi) nanocarrier-based natural drug delivery system targeting dysregulated nucleolin expression for cancer therapeutics. Design/methodology/approach: Quercetin was loaded in pre-synthesized and characterized pSi nanoparticles, and release kinetics was studied. The study compared the inhibitory concentration (IC50) of quercetin, synthetic drug doxorubicin, and quercetin-loaded pSi nanoparticles. Further, mRNA expression of a target gene, nucleolin, was tested with a quercetin treated breast cancer cell line (MCF-7). Findings: Quercetin-loaded pSi nanoparticles followed first-order release kinetics. IC50 was determined at concentrations of 312 nM, 160 μM, and 50 μM against doxorubicin, quercetin, and quercetin-loaded pSi nanoparticles, respectively. The results further indicated 16-fold downregulation of nucleolin mRNA expression after 48h of quercetin treatment of exponentially growing MCF-7 cells. Research limitations/implications: Whether pSi nanoparticle loaded quercetin can significantly downregulate nucleolin protein expression and its impact on apoptosis, cell proliferation, and angiogenic pathways need further investigation. Practical implications: The practical application of the proposed nanocarrier-based drug delivery system potentially lays out a path for developing targeted therapy against nucleolin-dysregulated cancer using natural products to minimize the side effects of conventional chemotherapeutic drugs. Originality/value: Inhibition of nucleolin and nucleolin regulated pathways using natural compounds and its targeted delivery with nanocarrier is not yet done.

7

Classification of breast cancer from histopathology images using an ensemble of deep multiscale networks

Karthik R., Menaka R., Siddharth M.V.

Biocybernetics and Biomedical Engineering

|

2022

|

Vol. 42, no. 3

963--976

EN

Manual delineation of tumours in breast histopathology images is generally time-consuming and laborious. Computer-aided detection systems can assist pathologists by detecting abnormalities faster and more efficiently. Convolutional Neural Networks (CNN) and transfer learning have shown good results in breast cancer classification. Most of the existing research works employed State-of-the-art pre-trained architectures for classification. But the performance of these methods needs to be improved in the context of effective feature learning and refinement. In this work, we propose an ensemble of two CNN architectures integrated with Channel and Spatial attention. Features from the histopathology images are extracted parallelly by two powerful custom deep architectures namely, CSAResnet and DAMCNN. Finally, ensemble learning is employed for further performance improvement. The proposed framework was able to achieve a classification accuracy of 99.55% on the BreakHis dataset.

8

Applications of machine-learning algorithms for prediction of benign and malignant breast lesions using ultrasound radiomics signatures: A multi-center study

Homayoun Hassan, Chan Wai Yee, Kuzan Taha Yusuf, Leong Wai Ling, Altintoprak Kübra Murzoglu, Mohammadi Afshin, Vijayananthan Anushya, Rahmat Kartini, Leong Sook Sam, Mirza-Aghazadeh-Attari Mohammad, Ejtehadifar Sajjad, Faeghi Fariborz, Acharya U. Rajendra, Ardakani Ali Abbasian

Biocybernetics and Biomedical Engineering

|

2022

|

Vol. 42, no. 3

921--933

EN

Artificial intelligence (AI) algorithms have an enormous potential to impact the field of radiology and diagnostic imaging, especially the field of cancer imaging. There have been efforts to use AI models to differentiate between benign and malignant breast lesions. However, most studies have been single-center studies without external validation. The present study examines the diagnostic efficacy of machine-learning algorithms in differentiating benign and malignant breast lesions using ultrasound images. Ultrasound images of 1259 solid non-cystic lesions from 3 different centers in 3 countries (Malaysia, Turkey, and Iran) were used for the machine-learning study. A total of 242 radiomics features were extracted from each breast lesion, and the robust features were considered for models’ development. Three machine-learning algorithms were used to carry out the classification task, namely, gradient boosting (XGBoost), random forest, and support vector machine. Sensitivity, specificity, accuracy, and area under the ROC curve (AUC) were determined to evaluate the models. Thirty-three robust features differed significantly between the two groups from all of the features. XGBoost, based on these robust features, showed the most favorable profile for all cohorts, as it achieved a sensitivity of 90.3%, specificity of 86.7%, the accuracy of 88.4%, and AUC of 0.890. The present study results show that incorporating selected robust radiomics features into well-curated machine-learning algorithms can generate high sensitivity, specificity, and accuracy in differentiating benign and malignant breast lesions. Furthermore, our results show that this optimal performance is preserved even in external validation datasets.

9

Przydatność mammografii spektralnej (CESM) w wykrywaniu raka piersi jako badania uzupełniającego po klasycznej mammografii

Warchoł Ewelina

Inżynier i Fizyk Medyczny

|

2021

|

Vol. 10, nr 3

211--214

PL

Przeprowadzono ocenę badań 40 pacjentek z potwierdzonym rakiem piersi, u których wykonano mammografię klasyczną oraz mammografię spektralną. Stwierdzono większą efektywność w wykrywaniu oraz ocenie charakteru zmiany w przypadku zastosowania techniki mammografii spektralnej. Potwierdzono to w przypadku wszystkich klas według skali BIRADS.

EN

The study of 40 patients was estimated; the women diagnosed with breast cancer underwent X-ray mammography and Contrast Enhanced Spectral Mammography. It was found to be more effective in detecting and assessing the nature of the lesion in the case of using the spectral mammography technique. This was confirmed for all classes according to the BIRADS scale

10

Kardiotoksyczności radioterapii lewej piersi. Użyteczność Deep Inspiration Brath Hold wspomaganego Surface Guided Radiation Therapy w redukcji ryzyka występowania powikłań sercowo-naczyniowych. Przegląd literatury

Szymerkowski Karol

Inżynier i Fizyk Medyczny

|

2021

|

Vol. 10, nr 1

23--25

PL

Rak piersi to jeden z najczęściej diagnozowanych nowotworów złośliwych u kobiet na świecie [1]. Według najnowszych standardów terapia pacjentek z tym rozpoznaniem wymaga multidyscyplinarnego podejścia i stosowania kilku metod leczenia. Jedną z nich jest radioterapia, która znacząco poprawia zarówno kontrolę miejscową, jak i całkowity czas przeżycia u większości pacjentek po operacji oszczędzającej czy mastektomii [2]. Bardzo często zarówno leczenie systemowe (antracykliny, trantuzumab), jak i sama radioterapia niosą ze sobą ryzyko wystąpienia różnych powikłań, a w tym powikłań sercowo-naczyniowych. Są na nie szczególnie narażone pacjentki z rozpoznanym rakiem piersi po stronie lewej, ze względu na potencjalną bliskość serca do objętości leczonej. Na możliwość występowania późnych powikłań sercowo-naczyniowych, które zwiększają śmiertelność związaną z uszkodzeniem serca, po raz pierwszy zwrócono uwagę w 1989 roku [3]. Nawet w przypadku niższych dawek radioterapii, które stosowane są w leczeniu pooperacyjnego raka piersi, powikłania pojawiają się po długim okresie latencji wynoszącym ok. 10 lat. Niestety bardzo trudno jest określić dawkę progową dla serca, poniżej której ryzyko występowania późnych powikłań nie występowałoby. Badania wykazały, że istnieje zależność liniowa pomiędzy średnią dawką, jaką otrzymuje serce, a zwiększoną częstotliwością bólu w klatce piersiowej, chorobą wieńcową i zawałem mięśnia sercowego, a kardiotoksyczność została uznana za jeden z głównych czynników odpowiedzialnych za skrócenie całkowitego czasu przeżycia zwłaszcza w przypadku, kiedy napromienianiu poddane są węzły chłonne gruczołu sutkowego i okołoobojczykowe.

11

Modelling the tumor temperature distribution in anatomically correct female breast phantom

Gas Piotr, Miaskowski Arkadiusz, Dobrowolski Dariusz

Przegląd Elektrotechniczny

|

2020

|

R. 96, nr 2

146--149

EN

The presented paper focuses on a numerical analysis of temperature in the anatomical model of the female breast with a strictly defined level of power generated by the EMF source in pathological tissue saturated with ferrofluid. The aim of this study was to examine the effect of blood perfusion rate models on the resultant tumor temperature. The four tumor perfusion models were subjected to comparative analysis: constant, linear, nonlinear and completely free of blood flow. The authors have shown that taking into account the various temperature dependences of blood perfusion models within the treated tissue might play an important role in the complex process of female breast cancer treatment planning.

PL

Przedstawiona praca skupia się na numerycznej analizie temperatury w anatomicznym modelu gruczołu piersiowego kobiety o ściśle określonym poziomie mocy generowanej przez źródło PEM w patologicznej tkance nasyconej ferrofluidem. Celem tej pracy było zbadanie wpływu perfuzji krwi na wypadkową temperaturę guza. Analizie porównawczej poddano cztery modele perfuzji w guzie: stały, liniowy, nieliniowy oraz model całkowicie pozbawiony przepływu krwi. Autorzy pracy wykazali, że uwzględnienie różnych zależności temperaturowych dla modeli perfuzji krwi w leczonej tkance, może odgrywać istotną rolę w złożonym procesie planowania leczenia nowotworów piersi.

12

Rola tomosyntezy oraz mammografii spektralnej w diagnostyce kobiet z gęstym utkaniem piersi

Bojkowski Małgorzata, Wojnarska Aleksandra, Koper Beata

Inżynier i Fizyk Medyczny

|

2020

|

Vol. 9, nr 3

203--206

PL

Podstawowym badaniem przesiewowym we wczesnym rozpoznawaniu raka piersi jest klasyczna mammografia rentgenowska. Ze względu na jej ograniczenia obserwowany jest ciągły rozwój nowych technik obrazowania piersi. Cyfrowa tomosynteza piersi DBT (Digital Breast Tomosynthesis) i mammografia spektralna CESM (Contrast Enhanced Spectral Mammography) znajdują szczególne zastosowanie w diagnostyce kobiet o gęstym utkaniu gruczołów piersiowych. Metody te są obecnie wykonywane jako badania uzupełniające w diagnostyce, stagingu oraz odpowiedzi na leczenie chemioterapią. Celem artykułu jest omówienie, w oparciu o literaturę, cyfrowej tomosyntezy piersi oraz mammografii spektralnej ze szczególnym uwzględnieniem ich zastosowania w diagnostyce uzupełniającej piersi o gęstej strukturze.

EN

The primary screening test for early diagnosis of breast cancer is classic X-ray mammography. Due to its limitations, continuous development of new breast imaging techniques is observed. DBT (Digital Breast Tomosynthesis) and spectral mammography CESM (Contrast Enhanced Spectral Mammography) are used especially in the diagnosis of women with dense breast gland. At present these methods are available as complementary studies in diagnostics, staging and response to chemotherapy. The aim of the article is to discuss, based on literature, digital tomosynthesis and spectral mammography with particular emphasis on their use in complementary diagnostics of densely structured breasts.

13

Częstość myślenia o chorobie nowotworowej – na przykładzie mieszkańców województwa podkarpackiego

Jarmakowicz Paulina

Inżynier i Fizyk Medyczny

|

2020

|

Vol. 9, nr 4

283--287

PL

Przeprowadzono ankietę w 316-osobowej, losowo wybranej grupie mieszkańców województwa podkarpackiego. Miała na celu określenie częstości myślenia o możliwości zachorowania na chorobę nowotworową przez respondentów oraz osoby im bliskie. Stwierdzono istotne statystycznie zależności w stosunku do płci, wieku, wykształcenia oraz miejsca zamieszkania.

EN

A survey was conducted in a 316-person randomly selected group of inhabitants of the Podkarpackie Voivodeship. It was aimed at determining the frequency of thinking about the possibility of developing cancer by respondents and people close to them. Statistically significant relationships were found in relation to sex, age, education and place of residence.

14

Simultaneous feature weighting and parameter determination of Neural Networks using Ant Lion Optimization for the classification of breast cancer

Singh Dalwinder, Singh Birmohan, Kaur Manpreet

Biocybernetics and Biomedical Engineering

|

2020

|

Vol. 40, no. 1

337--351

EN

In this paper, feature weighting is used to develop an effective computer-aided diagnosis system for breast cancer. Feature weighting is employed because it boosts the classification performance more as compared to feature subset selection. Specifically, a wrapper method utilizing the Ant Lion Optimization algorithm is presented that searches for best feature weights and parametric values of Multilayer Neural Network simultaneously. The selection of hidden neurons and backpropagation training algorithms are used as parameters of neural networks. The performance of the proposed approach is evaluated on three breast cancer datasets. The data is initially normalized using tanh method to remove the effects of dominant features and outliers. The results show that the proposed wrapper method has a better ability to attain higher accuracy as compared to the existing techniques. The obtained high classification performance validates the work which has the potential for becoming an alternative to the other well-known techniques.

15

FEM-based MRI deformation algorithm for breast deformation analysis

Danch-Wierzchowska Marta, Borys Damian, Swierniak Andrzej

Biocybernetics and Biomedical Engineering

|

2020

|

Vol. 40, no. 3

1304--1313

EN

Breast tissue deformation has recently gained interest in various medical applications. The recovery of large deformations caused by gravity or compression loads and image registration is a non-trivial task. The most effective tool for breast cancer visualisation is Magnetic Resonance Imaging (MRI). However, for MRI scans the patient is in a prone position with the breast placed in signal enhancement coils, while other procedures, i.e. surgery, PET-CT (Positron Emission Tomography fused with Computer Tomography) are performed with the patient in a supine position. The need therefore arises to estimate the large breast deformations caused by natural body movement during examinations or surgery. There is no doubt that a patient's breast in both positions has a different shape and that this influences relationships between intra-breast structures. In this work, we present the fundamentals of a method for transformation of breast images based on Finite Element Methods (FEMs). This 2D model uses the simplest constitutive tissue description, which makes it easily applicable and fast. According to the Jaccard Index, the average accuracy obtained is 95%, the lowest is 87%, and the highest is 99%. The model parameter set is proposed for six different breast size classes, covering the whole population. The algorithm provides reliable breast images in a supine position in a few simple steps.

16

Breast cancer diagnosis using abnormalities on ipsilateral views of digital mammograms

Sapate Suhas, Talbar Sanjay, Mahajan Abhishek, Sable Nilesh, Desai Subhash, Thakur Meenakshi

Biocybernetics and Biomedical Engineering

|

2020

|

Vol. 40, no. 1

290--305

EN

Ipsilateral views of digital mammograms help radiologists to localize and confirm abnormal lesions during diagnosis of breast cancers. This study aims at developing algorithms which improve accuracy of computer-aided diagnosis (CADx) for analyzing breast abnormalities on ipsilateral views. The proposed system is a fusion of single and two view systems. Single view approach detects and characterizes suspicious lesions on craniocaudal (CC) and mediolateral oblique (MLO) view separately using geometric and textural features. Lesions detected on each view are paired with potential lesions on another view. The proposed algorithm computes the correspondence score of each lesion pair. Single view information is fused with two views correspondence score to discriminate malignant tumours from benign masses using the SVM classifier. Performance of SVM classifier is assessed using five-fold cross validation (CV), Kappa metric and ROC analysis. Algorithms are applied to 110 pairs of mammograms from local dataset and 74 pairs from open dataset. Single view scheme yielded image-based sensitivity of 91.63% and 88.17% at 1.35 and 1.51 false positives per image (FPs/I) on local and open dataset respectively. Single view classification yielded FPs/I of 1.03 and 1.20 with sensitivity of 70%. Fusion based two views scheme using SVM classifier produced average case-based sensitivity of 75.91% at 0.69 FPs/I and 73.65% at 0.72 FPs/I on local and open dataset respectively. Fusion of single view features with two view correspondence score leads to improved case-based detection sensitivity. Proposed fusion based approach results into accurate and reliable diagnosis of breast abnormalities than single view approach.

17

Automatic detection of microcalcification based on morphological operations and structural similarity indices

Touil Asma, Kalti Karim, Conze Pierre-Henri, Solaiman Basel, Mahjoub Mohamed Ali

Biocybernetics and Biomedical Engineering

|

2020

|

Vol. 40, no. 3

1155--1173

EN

In this paper, a new method for automatic detection of microcalcifications in digitized mammograms is proposed. Based on mathematical morphology theory to deal with the problem of low contrast between microcalcifications and their surrounding pixels, it uses various structuring elements of different sizes to reduce the sensibility to microcalcification diversity sizes. The obtained morphological results are converted to a suspicion map based on an image quality assessment metric called structural similarity index (SSIM). This continuous map is, then, locally analyzed using superpixels to automatically estimate threshold values and finally detect potential microcalcification areas. The proposed method was evaluated using the publiclyavailable INBreast dataset. Experimental results show the benefits gained in terms of improving microcalcification detection performances compared to state-of-the-art methods.

18

Body image in women with breast cancer undergoing surgical treatment - a comparative analysis

Brandt-Salmeri Anna, Ilska Michalina, Kołodziej-Zaleska Anna

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2019

|

z. 141

7--24

EN

Surgery is the most basic treatment in case of breast cancer: it involves a complete or partial removal of the mammary gland. The aim of the study was to assess the body image distress and self-esteem in a group of women with breast cancer undergoing various surgical procedures. The material was collected in a group of 229 women with breast cancer who were divided into subgroups based on the surgery criterion (mastectomy, breast-conserving therapy - BCT and mastectomy with breast reconstruction). The study used the Body Image Scale by Hopwood, Fletcher, Lee and Al Ghazal (2001; Polish adaptation by Brandt-Salmeri and Przybyła-Basista), Rosenberg Self-Esteem Scale - SES (Polish adaptation by Łaguna, Lachowicz-Tabaczek and Dzwonkowka, 2007) and an original survey. Analyses showed, among other things, significant differences in the assessment of discomfort associated with a change in body image depending on the type of surgery. The research also revealed that the assessment depended on differences between the women in terms of age and the time elapsed since the onset of treatment. Negative body image was adversely associated with self-esteem in all studied groups. Body image was significantly related to age and time elapsed since the treatment in the post-mastectomy group. At the same time, it was related only to age in the BCT group and with regards to the breast reconstruction group, the relationship concerned only elapsed time.

19

Cytotoksyczność wybranych kwasów fenolowych pochodzenia naturalnego oraz ich soli w stosunku do komórek raka piersi

Ambrożewicz Ewa, Świsłocka Renata, Kalinowska Monika, Lewandowski Włodzimierz

Przemysł Chemiczny

|

2019

|

T. 98, nr 2

246--250

PL

Ogólnym trendem stają się obecnie poszukiwania nowych substancji, które wykazywałyby specyficzne właściwości biologiczne (m.in. przeciwnowotworowe, antyoksydacyjne, przeciwdrobnoustrojowe), a jednocześnie charakteryzowałyby się brakiem lub małą toksycznością w stosunku do środowiska naturalnego. Badania te są wymuszone przez wzrost lekooporności, wzrost zachorowalności oraz wzrost zanieczyszczenia środowiska substancjami, które nie ulegają biodegradacji lub powodują powstawanie toksycznych produktów rozpadu. Roślinne związki fenolowe ze względu na różnorodność strukturalną i biologiczną są intensywnie badane jako nowe substancje o właściwościach cytotoksycznych, mogące mieć zastosowanie w leczeniu nowotworów. W pracy przedstawiono wyniki badań aktywności cytotoksycznej wybranych kwasów fenolowych (p-kumarowego, kawowego i rozmarynowego) oraz ich soli z litem, sodem i potasem w stosunku do komórek raka piersi MCF-7 i MDA-MB-231 oraz linii komórek prawidłowych gruczołu piersiowego MCF-12A.

EN

Cytotoxic activity of p-coumaric, caffeic and rosmarinic acids and their Li, Na, K salts in relation to human breast cancer and normal cells were studied by 3-(4,5-domethylthiazol- 2-yl)-2,5-diphenyltetrazolium bromide assay. The acids showed limited toxicity (decrease in survival over 20%). Treatment with Li caffeate resulted in a decrease in the survival of cancer cells (by 20%) but did not show any toxicity in relation to normal cells.

20

Mammografia i ból – a może da się go uniknąć?

Mroczkowski Sebastian

Inżynier i Fizyk Medyczny

|

2019

|

Vol. 8, nr 2

101--103

PL

Ostatnie udoskonalenia technologiczne wyznaczyły nowe oczekiwania w zakresie badania skuteczności mammografii i jej wkładu we wczesną diagnozę raka. Na przykład wykonanie cyfrowej tomosyntezy piersi, ocenianej za pomocą kilku badań klinicznych (1, 2), wydaje się potwierdzać jej wartość jako potencjalnego zamiennika dla konwencjonalnej procedury rentgenowskiej 2D. Z drugiej strony korzyści płynące z programu mammografii przesiewowej dla populacji zależą w dużej mierze od poziomu uczestnictwa kobiet w wieku, dla którego są przeznaczone. Można bezspornie uznać, że redukcja śmiertelności populacji jest odwrotnie proporcjonalna do wskaźników uczestnictwa w badaniu przesiewowym.