Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userتصميم خوارزمية محوسبة للكشف الآلي عن التكلسات العنقودية الدقيقة في صور الثدي الشعاعية
1306
0 181
0
(
0
)
Authors
عبد الرزاق محمد الحناوي( باحث )
Created by
Shamra Editor
Ask ChatGPT about the research
يعد وجود التكلسات الميكروية العنقودية في صور الماموغرام أحد المؤشرات المبكرة لمرض سرطان الثدي. تظهر التكلسات على شكل جزيئات لامعة مختلفة الأشكال و الأحجام و قد توضعت على الخلفية الشعاعية لنسيج الثدي. يتّبع الطبيب مرحلتين في أثناء تحديد هذه الآفة: ١ - الكشف عن وجود تكلسات ميكروية في صورة الماموغرام، ثم ٢ - فحص كيفية توزع هذه التكلسات. طورت خوارزمية من أجل الكشف الآلي بحيث تُشابه طريقة الطبيب في تحديد آفات التكلسات الميكروية العنقودية. تُنفّذ الخوارزمية مبادئ فصل التراكيب ذات الطاقة العالية و مبادئ تحليل التوزع البنيوية.
No English abstract
Artificial intelligence review:
Research summary
تتناول هذه الورقة البحثية تصميم خوارزمية محوسبة للكشف الآلي عن التكلسات العنقودية الدقيقة في صور الثدي الشعاعية باستخدام تقنيات تحليل الصور والنسيج. يتم استخدام تحويل المويجات وتحليل كثافة النسيج لاستخراج الميزات المكانية من الصور الشعاعية. يتم تقييم أداء الخوارزمية باستخدام قاعدة بيانات محلية وقاعدة بيانات شائعة، حيث يتم قياس معدل الاستجابات الخاطئة ودقة الكشف وتجنب الخطأ. تظهر النتائج أن الخوارزمية المطورة تحقق دقة عالية في الكشف عن التكلسات العنقودية الدقيقة مع معدل استجابات خاطئة منخفض. يتم استخدام تقنيات مثل الإغلاق المورفولوجي وعناصر الهيكل الدائري لتحسين دقة الكشف وتقليل الاستجابات الخاطئة. يتم تقييم الأداء باستخدام منحنيات ROC وFROC لقياس حساسية الخوارزمية ودقتها في الكشف عن التكلسات الدقيقة في الصور الشعاعية.
Critical review
دراسة نقدية: تقدم الورقة البحثية خوارزمية مبتكرة للكشف عن التكلسات العنقودية الدقيقة في صور الثدي الشعاعية، وهو موضوع ذو أهمية كبيرة في مجال تشخيص سرطان الثدي. ومع ذلك، يمكن تحسين الدراسة من خلال تضمين المزيد من التفاصيل حول كيفية اختيار المعلمات المستخدمة في الخوارزمية وتأثيرها على الأداء. كما يمكن توسيع قاعدة البيانات المستخدمة لتشمل مجموعة أكبر من الصور من مصادر متنوعة لضمان تعميم النتائج. بالإضافة إلى ذلك، يمكن مقارنة أداء الخوارزمية مع خوارزميات أخرى موجودة في الأدبيات لتقديم صورة أوضح عن مدى تفوقها.
Questions related to the research
-
ما هي التقنية الأساسية المستخدمة في الخوارزمية للكشف عن التكلسات العنقودية الدقيقة؟
التقنية الأساسية المستخدمة هي تحويل المويجات وتحليل كثافة النسيج لاستخراج الميزات المكانية من الصور الشعاعية.
-
ما هي المعايير المستخدمة لتقييم أداء الخوارزمية؟
المعايير المستخدمة لتقييم أداء الخوارزمية تشمل معدل الاستجابات الخاطئة، دقة الكشف، وتجنب الخطأ، بالإضافة إلى منحنيات ROC وFROC.
-
ما هي الخطوة الأخيرة في الخوارزمية لتحليل توزيع الاستجابات؟
الخطوة الأخيرة تشمل تحليل توزيع الاستجابات بحيث يتم المحافظة على أي ثلاث استجابات (تكلسات ميكروية مقترحة) داخل 1 سم من الصورة.
-
كيف يمكن تحسين دقة الكشف وتقليل الاستجابات الخاطئة في الخوارزمية؟
يمكن تحسين دقة الكشف وتقليل الاستجابات الخاطئة باستخدام تقنيات مثل الإغلاق المورفولوجي وعناصر الهيكل الدائري.
References used
Davies A., and Cuninghame K.(1992). Background Paper Breast Cancer: Treatment and Screening. House of Commons Library Research Papers
Given-Wilson R., Layer G., Warren M. and Gazet JC.(1997). False negative mammography: causes and consequences. The Breast, Vol
rate research
Read More
يشير حدوث التكلسات في الثدي إلى احتمال مرض سرطان الثدي عند المرأة. فـي صـورة
الماموغرام، تختلف التكلسات الخبيثة عادةً عن التكلسات السليمة من حيث الشكل و كيفية
التوزع. يهدف هذا البحث إلى تطوير طريقة من أجل التمييز الآلي بين التكلسات الخبيثـة و
التك
لسات السليمة في صور الثدي الشعاعية المرقمنة. انتخبـت عشـرة قياسـات مختلفـة
لتحقيق الهدف من هذا البحث. نُفّذت هذه القياسات على جميع التكلسات فـي ١٦ صـورة
جزئية من ١٦ ماموغراماً. اعتُمدت طريقة جديدة لتحليل النتـائج إِذْ يـتم حسـاب القيمـة
المتوسطة لأكبر ثلاث نتائج في كل قياس من القياسات المختلفة عوضاً عن اعتماد النتـائج
على كل تكلس بشكل منفرد. أظهرت النتائج أن ثلاثة مقاييس فقط يمكن استخدامها للتمييـز
الآلي بين التكلسات الخبيثة و التكلسات السليمة. هذه المقاييس هي مقياس محيط التكلس و
مقياس الدائرية و مقياس طول التكلس. أعطت الطريقة الجديدة نتائج يمكن الاعتماد عليهـا
من أجل التمييز الآلي بين آفات التكلسات الخبيثة و السليمة.
A mammogram is the best option for early detection of breast cancer,
Computer Aided Diagnostic systems(CADs) developed in order to
improve the diagnosis of mammograms. This paper presents a proposed
method to automatic images segmentation dependin
g on the Otsu's
method in order to detect microcalcifications and mass lesions in
mammogram images. The proposed technique is based on three steps:
(a) region of interest (ROI), (b) 2D wavelet transformation, and (c) OTSU
thresholding application on ROI. The method tested on standard mini-
MIAS database. It implemented within MATLAB software environment.
Experimental results and performance evaluate results show that the
proposed detection algorithm is a tool to help improve the diagnostic
performance, and has the possibility and the ability to detect the breast
lesions.
Breast cancer is the most widespread types of cancer among women. An efficient
diagnosis in its early stage can give women a better chance of full recovery. Calcification
is the important sign for early breast cancer detection. Mammography is the m
ost effective
method for breast cancer early detection using low radiation doses. The studies improved
the sensitivity of mammogram from 15% to 30% based on Computer Auto-Detection CAD
systems, which are used as a “second opinion” to alert the radiologist to structures that,
otherwise, might be overlooked. This article summarizes the various methods adopted for
micro-calcification cluster detection and compares their performance. Moreover, reasons
for the adoption of a common public image database as a test bench for CAD systems,
motivations for further CAD tool improvements, and the effectiveness of various CAD
systems in a clinical environment are given.
Giving feedback to students is not just about marking their answers as correct or incorrect, but also finding mistakes in their thought process that led them to that incorrect answer. In this paper, we introduce a machine learning technique for mista
ke captioning, a task that attempts to identify mistakes and provide feedback meant to help learners correct these mistakes. We do this by training a sequence-to-sequence network to generate this feedback based on domain experts. To evaluate this system, we explore how it can be used on a Linguistics assignment studying Grimm's Law. We show that our approach generates feedback that outperforms a baseline on a set of automated NLP metrics. In addition, we perform a series of case studies in which we examine successful and unsuccessful system outputs.
In this paper, we
describe an algorithm to register the retinal images by employing a relatively
cross-correlation function. Pixel to pixel accuracy has been investigated and
evaluated among registered images by calculating the local cross-correla
tion
between extracted vessels profiles along tracked vessels after transforming
the images into alignment.
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
