Wyniki wyszukiwania - Biblioteka Nauki

Nowa wersja platformy, zawierająca wyłącznie zasoby pełnotekstowe, jest już dostępna.
Przejdź na https://bibliotekanauki.pl

Ograniczanie wyników

Znaleziono wyników: 3

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: mammografia cyfrowa

Sortuj według:

Ogranicz wyniki do:

System automatycznej detekcji i klasyfikacji mikrozwapnień w cyfrowej mammografii

100%

Wróblewska A. , Przelaskowski A.

2003

tom Vol. 23, nr 3

8-10

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.

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.

Zastosowanie kwantyzacji wektorowej LVQ w wyborze cech i klasyfikacji mikrozwapnień

100%

Boniński P. , Kazubek M. , Przelaskowski A.

2003

tom Vol. 23, nr 3

11-15

Niniejsza praca dotyczy wykorzystania algorytmów Learning Vector Quantization w procesie automatycznego wyboru cech i klasyfikachi mikrozwapnień w obrazach mammograficznych oraz porównania efektów klasyfikacji tym algorytmem z powszechnie stosowaną siecią neuronową z propagacja wsteczną. Zaproponowano nową, bazującą na LVQ i kryterium dyskryminacyjnym Fishera metodę selekcji cech. Zweryfikowano przydatność wyselekcjonowanych cech do klasyfikacji.

This paper refers to the applying of Learning Vector Quantization algorithms in automatic feature selection and classification of microcalcification in mammographic images and comparison classification efficiency of LVQ to common applicable backpropagation neural network. The new feature selection method, based on the LVQ and Fisher discriminant criterion, was suggested. The usefulness of the selected features for classification was verified.

Porównanie wybranych systemów obrazowania cyfrowego w mammografii

63%

Jakubowska T.

tom Vol. 18, nr 4

260--266

Mammografia jest najbardziej czułym i specyficznym badaniem w diagnozowaniu raka sutka. Zastosowanie techniki cyfrowej CR (Computed Radiography) i DR (Digital Radiography) ma na celu poprawę jakości obrazów, a co za tym idzie poprawę wykrywalności zmian przy jednoczesnym skróceniu czasu badania i obniżeniu dawki promieniowania. Niniejsza praca przedstawia porównanie stosowanych obecnie w mammografii wybranych systemów cyfrowych pod względem jakości obrazowania, jak również stosowanych dawek.

Mammography is a most sensitive and specific examination used in the breast cancer diagnosis. Digital radiographic systems CR (Computed Radiography) and DR (Digital Radiography) offer the high quality imaging with shorter exposure times, thus lowering the radiation dose. In this paper, the comparison of frequently used mammographic digital systems in terms of the imaging quality and doses applied, is presented.