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

A Hierarchical Classification Method for Breast Tumor Detection

سال انتشار: 1395
کد COI مقاله: JR_IJMP-13-4_005
زبان مقاله: انگلیسیمشاهد این مقاله: 124
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A Hierarchical Classification Method for Breast Tumor Detection

Mojtaba Mohammadpoor - Electrical & Computer Dept., University of Gonabad, Gonabad, Iran
Afshin Shoeibi - Medical Physics Dept., Gonabad University of Medical Sciences, Gonabad, Iran
Hoda zare - Medical Physics Research Center, Mashhad University of Medical Sciences, Mashhad, Iran
Hasan Shojaee - Basic Sciences Dept., Gonabad University of Medical Sciences, Gonabad, Iran

چکیده مقاله:

Introduction Breast cancer is the second cause of mortality among women. Early detection of it can enhance the chance of survival. Screening systems such as mammography cannot perfectly differentiate between patients and healthy individuals. Computer-aided diagnosis can help physicians make a more accurate diagnosis. Materials and Methods Regarding the importance of separating normal and abnormal cases in screening systems, a hierarchical classification system is defined in this paper. The proposed system is including two Adaptive Boosting (AdaBoost) classifiers, the first classifier separates the candidate images into two groups of normal and abnormal. The second classifier is applied on the abnormal group of the previous stage and divides them into benign and malignant categories. The proposed algorithm is evaluated by applying it on publicly available  Mammographic Image Analysis Society (MIAS) dataset. 288 images of the database are used, including 208  normal and 80 abnormal images. 47 images of the abnormal images showed benign lesion and 33 of them had malignant lesion.  Results Applying the proposed algorithm on MIAS database indicates its advantage compared to previous methods. A major improvement occurred in the first classification stage. Specificity, sensitivity, and accuracy of the first classifier are obtained as 100%, 95.83%, and 97.91%, respectively. These values are calculated as 75% in the second stage   Conclusion A hierarchical classification method for breast cancer detection is developed in this paper. Regarding the importance of separating normal and abnormal cases in screening systems, the first classifier is devoted to separate normal and tumorous cases. Experimental results on available database shown that the performance of this step is adequately high (100% specificity). The second layer is designed to detect tumor type.  The accuracy in the second layer is obtained 75%.  

کلیدواژه ها:

Mammography, Breast Cancer, classification, Computer aided diagnosis

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/893301/

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:
Mohammadpoor, Mojtaba و Shoeibi, Afshin و zare, Hoda و Shojaee, Hasan,1395,A Hierarchical Classification Method for Breast Tumor Detection,,,,,https://civilica.com/doc/893301

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: (1395, Mohammadpoor, Mojtaba؛ Afshin Shoeibi و Hoda zare و Hasan Shojaee)
برای بار دوم به بعد: (1395, Mohammadpoor؛ Shoeibi و zare و Shojaee)
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 دولتی
تعداد مقالات: 289
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.

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