Библиографическое описание:СЕГМЕНТАЦИЯ ОПУХОЛИ МОЛОЧНОЙ ЖЕЛЕЗЫ НА МЕДИЦИНСКИХ ИЗОБРАЖЕНИЯХ С ИСПОЛЬЗОВАНИЕМ КОМБИНАЦИИ НЕЧЕТКОЙ КЛАСТЕРИЗАЦИИ И МЕТОДА ПОРОГА : научное издание / Ю. А. Хамад [и др.]. - Текст : непосредственный // Медицина и высокие технологии. - 2022. - № 1. - С. 44-52. - ISSN 2306-3645, DOI 10.34219/2306-3645-2022-12-1-44-52.
Аннотация:Сегментация опухоли молочной железы и обнаружение границ являются важными этапами в терапии рака молочной железы и последующем наблюдении. Радиологи могут свести к минимуму высокую нагрузку свзянанную с анализом на предмет наличия рака молочной железы , автоматизировав этот сложный процесс. В этой статье предложена система для сегментации опухолей молочной железы и непоражённых областей (молочной железы) на медицинских снимках с использованием комбинации средств нечеткой кластеризации и порогового значения (FCMT). Это компьютерный метод диагностики работает с каждым срезом молочной железы без обучения сегментации и определения границ. В рамках аппробации были использованы две базы данных изображений маммограмм молочной железы. Чтобы повысить качество изображения, использовали методы предварительной обработки, такие как увеличение контраста, перед применением FCMT для сегментации. Для оценки эффективности разработанного подхода были рассчитаны среднеквадратическая ошибка, коэффициент DCS, индекс структурного сходства, пиковое отношение сигнал/шум, точность и чувствительность. Используя предложенный метод сегментации FCMT, было достигнуто среднее пересечение по объединению (IoU) 93,85. Согласно результатам экспериментов, представленный подход является более устойчивым и точным в сегментации прогрессии опухоли на медицинских изображениях.
Breast tumor segmentation and boundary detection are crucial stages in breast cancer therapy andfollow-up. Radiologists can minimize the high workload associated with screening for breast cancer by automating this complex process. This article proposes a system for segmenting breast and unaffected areas (breast) tumors on medical images using a combination offuzzy clustering and thresholding (FCMT) tools. This computer diagnostic method works with each section of the mammary gland without learning segmentation and definition of boundaries. As part of the approbation, two databases of breast mammogram images were used. To increase the image quality, we used pre-processing techniques such as contrast augmentation before applying the FCMTfor segmentation. To assess the effectiveness of the devised approach, the Mean Square Error, dice coefficient, Structured Similarity Index, Peak Signal-to-Noise Ratio, accuracy, and sensitivity were computed. Using the proposed FCMT segmentation technique, a mean intersection over union (IoU) of93.85 was attained. The presented approach is more resilient and accurate in segmenting tumor progression on medical images, according to the findings of the experiments.
Издательство:Общественная организация Московское отделение "Качество информационных технологий в системах управления" Академии проблем качества, ГУП «Отраслевой научно-практический комплекс «Здоровье», ООО «Инкеля», Москва
Источник:Медицина и высокие технологии
Выпуск:№ 1
Номера страниц:44-52
Держатель оригинала документа:Институт вычислительного моделирования СО РАН, Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого, Сибирский государственный университет науки и технологий имени академика М.Ф. Решетнева, Сибирский федеральный университет
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
