Нейросетевое распознавание новообразований на маммограммах с использованием алгоритма MSER и текстурных признаков
- 1 ст. программист-математик, ООО «ПАВЛИН Техно» (г. Дубна)
- 2 руководитель, отдел разработок ООО «ПАВЛИН Техно» (г. Дубна)
Аннотация
Предложен алгоритм распознавания новообразований на маммограммах, использующий нейронную сеть прямого распространения в качестве классификатора. Алгоритм распознавания работает в три этапа. Первый этап - выделение областей интереса с использованием MSER. Второй этап - формирование вектора признаков на основе текстуры внутри областей интереса и их окрестности с применением локальных бинарных шаблонов. Третий этап - распознавание вектора признаков с помощью нейронной сети, обученной на реальных новообразованиях.
Для цитирования
Долгополов А.В., Казанцев П.А. Нейросетевое распознавание новообразований на маммограммах с использованием алгоритма MSER и текстурных признаков // Информационно-измерительные и управляющие системы. 2013. № 10. С. 66–69.
Список источников
- Matas J., Chum O., Urban M., Pajdla T. Robust wide baseline stereo from maximally stable extremal regions». Proc. of British Machine Vision Conference.2002.P.384-396.
- Mikolajczyk K., Tuytelaars T., Schmid C., Zisserman A., Kadir T. and Van Gool L. A Comparison of Affine Region Detectors // International Journal of Computer Vision. 2005. V. 65. № 1 - 2. November. P.43-72.
- Dalal N., Triggs B. Object Detection using Histograms of Oriented Gradients. Pascal VOC 2006. Workshop. ECCV 2006. Graz, Austria.
- Unay D., Ekin A., Jasinschi R.S. Local Structure-Based Region-of-Interest Retrieval in Brain MR Images // Information Technology in Biomedicine. IEEE Transactions on. 2010. V.14. № 4. P. 897,903.
- Unay D., Ekin A., Cetin M., Jasinschi R., Ercil A. Robustness of Local Binary Patterns in Brain MR Image Analysis // Engineering in Medicine and Biology Society. 2007. EMBS 2007. 29th Annual International Conference of the IEEE. 2007. P.2098,2101.
- Zhen Lei, Chan A.K. An artificial intelligent algorithm for tumor detection in screening mammogram // Medical Imaging. IEEE Transactions on. 2001. V.20. № 7. P. 559, 567.
- Cheng H.D., Shi X.J., Min R., Hu L.M., Cai X.P., Du H.N. Approaches for automated detection and classification of masses in mammograms. Pattern Recognition. 2006. April. V. 39. Issue 4. P. 646-668.