Automatic Identification of the Pectoral Muscle in Mammograms
Notice bibliographique
Résumé
The pectoral muscle represents a predominant density region in most medio-lateral oblique (MLO) views of mammograms; its inclusion can affect the results of intensity-based image processing methods or bias procedures in the detection of breast cancer. Local analysis of the pectoral muscle may be used to identify the presence of abnormal axillary lymph nodes, which may be the only manifestation of occult breast carcinoma. We propose a new method for the identification of the pectoral muscle in MLO mammograms based upon a multiresolution technique using Gabor wavelets. This new method overcomes the limitation of the straight-line representation considered in our initial investigation using the Hough transform. The method starts by convolving a group of Gabor filters, specially designed for enhancing the pectoral muscle edge, with the region of interest containing the pectoral muscle. After computing the magnitude and phase images using a vector-summation procedure, the magnitude value of each pixel is propagated in the direction of the phase. The resulting image is then used to detect the relevant edges. Finally, a post-processing stage is used to find the true pectoral muscle edge. The method was applied to 84 MLO mammograms from the Mini-MIAS (Mammographic Image Analysis Society, London, U.K.) database. Evaluation of the pectoral muscle edge detected in the mammograms was performed based upon the percentage of false-positive (FP) and false-negative (FN) pixels determined by comparison between the numbers of pixels enclosed in the regions delimited by the edges identified by a radiologist and by the proposed method. The average FP and FN rates were, respectively, 0.58% and 5.77%. Furthermore, the results of the Gabor-filter-based method indicated low Hausdorff distances with respect to the hand-drawn pectoral muscle edges, with the mean and standard deviation being 3.84 +/- 1.73 mm over 84 images.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».