Classification of breast tumor models with a prototype microwave imaging system
Notice bibliographique
Résumé
PURPOSE: The assessment of the size and shape of breast tumors is of utter importance to the correct diagnosis and staging of breast cancer. In this paper, we classify breast tumor models of varying sizes and shapes using signals collected with a monostatic ultra-wideband radar microwave imaging prototype system with machine learning algorithms specifically tailored to the collected data. METHODS: A database comprising 13 benign and 13 malignant tumor models with sizes between 13 and 40 mm was created using dielectrically representative tissue mimicking materials. These tumor models were placed inside two breast phantoms: a homogeneous breast phantom and a breast phantom with clusters of fibroglandular mimicking tissue, accounting for breast heterogeneity. The breast phantoms with tumors were imaged with a monostatic microwave imaging prototype system, over a 1-6 GHz frequency range. The classification of benign and malignant tumors embedded in the two breast phantoms was completed, and tumor classification was evaluated with Principal Component Analysis as a feature extraction method, and tuned Naïve Bayes (NB), decision trees (DT), and k-nearest neighbours (kNN) as classifiers. We further study which antenna positions are better placed to classify tumors, discuss the feature extraction method and optimize classification algorithms, by tuning their hyperparameters, to improve sensitivity, specificity and the receiver operating characteristic curve, while ensuring maximum generalization and avoiding overfitting and data contamination. We also added a realistic synthetic skin response to the collected signals and examined its global effect on classification of benign vs malignant tumors. RESULTS: In terms of global classification performance, kNN outperformed DT and NB machine learning classifiers, achieving a classification accuracy of 96.2% when classifying between benign and malignant tumor phantoms in a homogeneous breast phantom (both when the skin artifact is and is not considered). CONCLUSIONS: We experimentally classified tumor models as benign or malignant with a microwave imaging system, and we showed a methodology that can potentially assess the shape of breast tumors, which will give further insight into the correct diagnosis and staging of breast cancer.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».