The aim of this work is to create a web-based system that will assist its users in the cancer diagnosis process by means of automatic classification of cytological images obtained during fine needle aspiration biopsy. This paper contains a description of the study on the quality of the various algorithms used for the segmentation and classification of breast cancer malignancy. The object of the study is to classify the degree of malignancy of breast cancer cases from fine needle aspiration biopsy images into one of the two classes of malignancy, high or intermediate. For that purpose we have compared 3 segmentation methods: k-means, fuzzy c-means and watershed, and based on these segmentations we have constructed a 25–element feature vector. The feature vector was introduced as an input to 8 classifiers and their accuracy was checked. The results show that the highest classification accuracy of 89.02 % was recorded for the multilayer perceptron. Fuzzy c–means proved to be the most accurate segmentation algorithm, but at the same time it is the most computationally intensive among the three studied segmentation methods.
2
Dostęp do pełnego tekstu na zewnętrznej witrynie WWW
Streszczenie. Praca przedstawia algorytm automatycznej ekstrakcji struktur histologicznych w obrazach mikroskopowych prostaty i propozycje ich parametryzacji, która może znaleźć zastosowanie w automatycznym rozróżnianiu klas chorobowych raka prostaty opisanych skalą Gleasona. Algorytm ten oparty jest na operacjach morfologicznych. Został przetestowany na 32 obrazach, dostarczając akceptowalnych przez lekarza patomorfologa wyników. Obrazy struktur poddano następnie procesowi parametryzacji, czyli opisowi cech przy użyciu deskryptorów numerycznych. Jakość poszczególnych deskryptorów zbadano przy zastosowaniu miary Fishera, której wyniki wskazują jednoznacznie na cechy mogące mieć znaczenie przy rozwiązywaniu zadania automatycznej klasyfikacji obrazów, przypisujących ich wygląd do określonej skali Gleasona.
EN
The paper presents the algorithm of extraction and parameterization of the histological structures existing in the images of the prostate cancer. It is first part of research directed to the semiautomatic, diagnostic system able to recognize the Gleason scale of the image. The extraction algorithm is based on the mathematical morphological operations and geometrical characterization of the segmented structures. Its successful operation has been verified on the examples of 32 images corresponding to different stages of development of the prostate cancer.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.