CWLA: A Novel Cognitive Classifier for Breast Mass Diagnosis
محل انتشار: هجدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 957
فایل این مقاله در 5 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:
ICBME18_002
تاریخ نمایه سازی: 27 فروردین 1393
چکیده مقاله:
A novel cognitive classifier has been introduced todevelop a trustable mammography Computer Aided Diagnosis(CADx) system which is called Cognitive Weighted LinearAggregation (CWLA). A group of in-depth analyzed features areextracted from the preprocessed Regions of Interest (ROIs) andmapped from set of real numbers to a set of linguistic terms. Theproposed classifier primes a knowledge base which is developedaccording to a mammography expert. The semantic comparisonof the extracted features with the expectations of the knowledgebase, which is called cognitive resonance, leads to a primaryclustering. Finally, the linguistic terms are remapped onto the setof real numbers and the final assessment comes out from theweighted linear aggregation of clustered categories. Since theoutput of the system comes with reason, the system is reliable.The achieved area under Receiver Operational Characteristics(ROC) curve (Az) and False Positive Rate (FPR) are 0.858 and5.26%, respectively.
کلیدواژه ها:
cognitive pattern recognition ، cognitive classifier ، computer aided diagnosis system ، mammography ،
نویسندگان
Amir Tahmasbi
Department of Electrical Engineering, The University of Texas at Dallas, Richardson, TX ۷۵۰۸۰, USA- Department of Electrical Engineering, Iran University of Science and Technology, Narmak, Tehran ۱۶۸۴۴, Iran
Fatemeh Saki
Department of Electrical Engineering, Iran University of Science and Technology, Narmak, Tehran ۱۶۸۴۴, 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 :