ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

Mass Lesions Assessment and Classification based on Expert Knowledge using Mammographic Analysis

سال انتشار: 1394
کد COI مقاله: ICBCMED11_172
زبان مقاله: انگلیسیمشاهد این مقاله: 144
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

مشخصات نویسندگان مقاله Mass Lesions Assessment and Classification based on Expert Knowledge using Mammographic Analysis

Afrooz Arzehgar - Islamic Azad University, Iran, Mashhad Branch
Mohammad Mahdi Khalilzadeh - Faculty Member of Biomedical Engineering Department, Islamic Azad University, Iran, Mashhad Branch
Fatemeh Varshoei Tabrizi - Reza radiation oncology center, Iran, Mashhad

چکیده مقاله:

Tumor is one of the most important indicators of breast cancer in mammograms and classification of them into two groups as benign and malignant is very important. Computer Aided diagnosis (CADx) helps Radiologists to enhance the accuracy of mammography on the decision. Hence, the system is required to support and assess the damage in interaction with radiologists as an expert. In this research classification of breast tumors using mammography in both the main views including MLO and CC is evaluated in the forms, texture and asymmetry terms. Additionally a method was developed and proposed using classification of breast tissue density based on the decision tree. The main objective of this study was to provide a method based on the human decision-making model in order to designing the perfect tool for radiologists, regardless of the complexity of computing and costly procedures and also reducing the diagnosis error. Results show that proposed system for entirely fat, scattered fibroglandular densities, heterogeneously dense, and extremely dense breast achieves 100%, 99%, 99%, and 98% accuracy respectively with cross-validation procedure.

کلیدواژه ها:

breast cancer, decision tree, classifier

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/726829/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Arzehgar, Afrooz و Khalilzadeh, Mohammad Mahdi و Varshoei Tabrizi, Fatemeh,1394,Mass Lesions Assessment and Classification based on Expert Knowledge using Mammographic Analysis,یازدهمین کنگره بین المللی سرطان پستان,تهران,,,https://civilica.com/doc/726829

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1394, Arzehgar, Afrooz؛ Mohammad Mahdi Khalilzadeh و Fatemeh Varshoei Tabrizi)
برای بار دوم به بعد: (1394, Arzehgar؛ Khalilzadeh و Varshoei Tabrizi)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 9,129
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی