Accuracy Improvement of Breast Tumor Detection based on Dimension Reduction in the Spatial and Edge Features and Edge Structure in the Image
محل انتشار: مجله مهندسی برق مجلسی، دوره: 18، شماره: 1
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 19
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MJEE-18-1_004
تاریخ نمایه سازی: 9 اردیبهشت 1403
چکیده مقاله:
Ultrasound images and ultrasound imaging method is an effective method in examining the challenges, problems and diseases related to the breast in women. The contrast of these images is generally very weak, however, the tumor tissue and calcium grains are evident in it. Methods based on image processing are widely used in breast tumor diagnosis and classification. In this article, a method based on pattern recognition is presented in order to detect the type of tumor. GLCM-based features are extracted from the target area, and Gabor and texture features. Then it is reduced with the help of dimension reduction methods based on principal component analysis. Finally, with the help of the improved classification of Ada KKN with ELM, they are grouped into three categories. Evaluation criteria such as Accuracy (۹۸.۸۱%), sensitivity (۹۱.۵۱%) and specificity (۹۴.۵۴%) compared to other similar methods show the superiority of the proposed method.
کلیدواژه ها:
نویسندگان
Samaneh Sadat Seyed Abolghasemi
Department of Bioelectric and Biomedical Engineering, science & technology University, Tehran, Iran
Mehran Emadi
Department of Electrical Engineering, Mobarkeh Branch, Islamic Azad University, Mobarkeh, Isfahan, Iran
Mohsen Karimi
Department of Biomedical engineering, school of advanced medical sciences, Isfahan University of Medical Sciences, Isfahan, Iran,
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
