A Complex Diffusion Based Modified Fuzzy C- Means Approach for Segmentation of Ultrasound Image in Presence of Speckle Noise for Breast Cancer Detection
Notice bibliographique
Résumé
This paper proposes a single framework for segmentation of abnormalities for breast cancer detection from Ultrasound images in presence of Rayleigh noise i.e. noise removal and segmentation are embedded in single step.It accomplishes dual purpose in a single framework simultaneously for the preprocessing and segmentation.The proposed framework comprises of two terms, first term, is used for segmentation which is a modified fuzzy c-means segmentation (MFCM) approach while second term is an adaptive complex diffusion based non linear filter (ACDPDE) that performs as regularization function for removal of Rayleigh noise, enhancement, and edge preservation of ultrasound Image.The various existing segmentation methods viz.K-Means, Texture based, Fuzzy C-Means (FCM), total variation based FCM (TVFCM), Adaptive fourth order PDE based FCM (AFPDEFCM), and the proposed method are evaluated for 50 sample ultrasound images of breast cancer.The region of interest (ROI) segmented image of ultrasound breast tissue is compared with ground truth images.From the acquired results and its analysis, it is observed that the proposed method is more robust and provides better segmentation result for ultrasound images in terms of various performance measures such as Global Constancy error (GCE), Tanimoto coefficient, Variation of Information (VOI), Probability Random Index (PRI), Jaccard coefficient, accuracy, True Positive Rate (TPR), False Positive Rate (FPR), True Negative Rate (TNR), dice index, False Negative Rate (FNR), and Area under curve (AUC).The proposed approach is capable of handling segmentation problem of blocky artifacts while achieving good tradeoff between Rayleigh noise removal and edge preservation.The proposed method may be useful for finding additional 33% cases of breast cancer which is missed or not detected by mammography.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».