基于BIMFs的多分形分析对乳房图像的分类

科学领域:

• 医疗成像医学成像
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 乳腺癌对公众健康构成重大挑战,需要在早期检测方法方面取得进展.
• 乳房显微镜是识别乳房异常的一个关键工具,但它的解释可以通过计算机辅助诊断 (CAD) 增强.

研究的目的:

• 引入和评估一个新的CAD系统,MF-BIMFs,用于自动分析数字乳房影像.
• 通过先进的图像处理技术,提高乳腺癌检测的准确性和效率.

主要方法:

• 该MF-BIMFs系统采用了两步的方法:使用二维实证模式分解 (BEMD) 进行图像预处理,并通过多分形光谱分析进行特征提取.
• 乳腺造乳图像被分解为内在模式函数 (IMFs) 和剩余的详细分析.
• 支持向量机 (SVM) 用于基于提取的多分形特征进行分类.

主要成果:

• 在MF-BIMFs系统证明有效分析的乳房图像,在健康和癌症状态之间的区别.
• 二维实证模式分解 (BEMD) 内在模式函数1 (BIMF1) 模式产生了最高的分类精度,达到约97.32%.
• 该系统使用来自摩洛哥肯伊特拉生殖健康参考中心 (RCRHKM) 的现实世界乳房扫描数据进行了验证.

结论:

• 集成BEMD和多分位分析的MF-BIMFs系统显示出作为乳腺癌检测CAD工具的显著前景.
• 拟议的方法为专家提供了有价值的第二意见,有可能提高早期诊断率.
• 这种方法提供了一个客观的方法,用于使用乳房图像来表征健康和癌症乳腺组织.