提高乳腺癌的诊断准确性:将新型机器学习方法与增强的图像预处理相结合,以改进乳房镜分析
Mohsen Mehrabi1, Nafise Salek2
1Radiation Application Research School, Nuclear Science and Technology Research Institute, Tehran, Iran.
Polish journal of radiology
|January 24, 2025
概括
结合对比度有限的自适应基因图平衡 (CLAHE),不清晰的掩盖 (USM) 和中间选 (MF) 预处理算法,显著改善了乳房镜分析,以更好地检测乳腺癌.
科学领域:
- 医疗成像医学成像
- 计算机辅助诊断 计算机辅助诊断
- 机器学习 机器学习
背景情况:
- 乳房显微镜是乳腺癌查的主要工具.
- 图像质量和特征提取对于准确诊断至关重要.
- 计算机辅助诊断 (CAD) 系统可以帮助解释.
研究的目的:
- 为了确定乳房扫描的最佳预处理算法.
- 为了提高图像质量,精确地分类病变.
- 提高CAD系统在乳腺癌查中的有效性.
主要方法:
- 使用了迷你MIAS乳房学数据库.
- 应用的预加工技术:CLAHE,USM,MF,以及它们的组合.
- 使用k-means集群用于区域提取和特征分析.
- 使用机器学习算法 (ANN,RF,SVM) 进行分类的功能.
主要成果:
- CLAHE,USM和MF的组合产生了最高的分类性能.
- 这种综合方法的表现优于单独的CLAHE.
- 实现了更好的图像分辨率和可见性.
结论:
- 先进的预处理技术与机器学习相结合,显著提高了乳房影像分析的准确性.
- 这有助于更精确地区分恶性和良性乳腺病变.
- 优化的CAD系统可以提高乳腺癌查结果.
