Classificação da densidade mamária em mamografias utilizando redes neurais convolucionais

M. F. Carvalho, Alexei Manso Correa Machado
{"title":"Classificação da densidade mamária em mamografias utilizando redes neurais convolucionais","authors":"M. F. Carvalho, Alexei Manso Correa Machado","doi":"10.5753/sibgrapi.est.2019.8325","DOIUrl":null,"url":null,"abstract":"Neste estudo, avaliou-se o potencial das redes neurais convolucionais na classificação de texturas para diagnóstico de câncer de mama na escala BI-RADS de quatro níveis. A base de dados foi constituída de 5024 exames mamográficos, com recortes de 128x128 pixels. As escalas foram avaliadas em dois conjuntos, o primeiro agrupando as escalas não-densas e densas, e o segundo avaliando os níveis individualmente. Os métodos apresentaram acurácia de 89% e 70%, para o primeiro e o segundo conjuntos, respectivamente, mostrando-se competitivos com trabalhos da literatura.","PeriodicalId":119031,"journal":{"name":"Anais Estendidos da Conference on Graphics, Patterns and Images (SIBGRAPI)","volume":"85 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2019-10-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais Estendidos da Conference on Graphics, Patterns and Images (SIBGRAPI)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sibgrapi.est.2019.8325","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Neste estudo, avaliou-se o potencial das redes neurais convolucionais na classificação de texturas para diagnóstico de câncer de mama na escala BI-RADS de quatro níveis. A base de dados foi constituída de 5024 exames mamográficos, com recortes de 128x128 pixels. As escalas foram avaliadas em dois conjuntos, o primeiro agrupando as escalas não-densas e densas, e o segundo avaliando os níveis individualmente. Os métodos apresentaram acurácia de 89% e 70%, para o primeiro e o segundo conjuntos, respectivamente, mostrando-se competitivos com trabalhos da literatura.
用卷积神经网络对乳房x光片中的乳房密度进行分类
在本研究中,我们评估了卷积神经网络在四级BI-RADS量表中纹理分类诊断乳腺癌的潜力。该数据库包括5024个乳房x线照相术检查,切割128x128像素。量表分为两组进行评估,第一组将非密集量表和密集量表分组,第二组分别评估水平。该方法对第一组和第二组的准确率分别为89%和70%,与文献研究具有竞争力。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信