Red-plane Asymmetry Analysis of Breast Thermograms for Cancer Detection
Notice bibliographique
Résumé
With an increase in the number of breast cancer cases worldwide, there is an immediate need to develop techniques for early detection. Thermography has the potential to detect and diagnose early breast tumours. A novel non-learning-based method is proposed to detect abnormalities from a breast thermogram using bilateral symmetries. A total of 25 thermograms from Database of Mastology Research (DMR) and Ann Arbor thermography, consisting of 18 abnormal cases and 7 normal cases, were analyzed. The red-plane from the thermal images of the breasts were extracted and the resulting breast images were segmented to separate breast tissue profile from the surrounding pectoral muscles using Otsu's thresholding technique and seeded region growing segmentation method. Abnormal breasts were detected from the segmented red-plane breast tissue profile using bilateral ratios of statistical parameters. These statistical parameters were obtained from the left and the right breast of the thermogram. The bilateral ratios suggest symmetry between the right and the left breast when the value is close to 1 and suggest asymmetry otherwise. Detection of abnormal breast was followed by extraction of the region of abnormality using the similar bilateral ratio analysis. Abnormal breasts were detected with an accuracy of 92%, specificity of 87.5% and sensitivity of 94.12%. The proposed method needed no prior training dataset.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».