Ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας
Ο καρκίνος του μαστού αποτελεί μια κοινή και συχνά θανατηφόρα ασθένεια για αυτό το λόγο είναι πολύ σημαντική η ανίχνευσή του στα πρώιμα στάδια. Η έγκαιρη διάγνωση βοηθά στη μείωση της θνησιμότητας και αποτελεί γνώμονα για την επιτυχημένη θεραπεία του. Η μαστογραφία είναι μια σημαντική μέθοδος ανίχνε...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2017
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/10297 |
| id |
nemertes-10889-10297 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Καρκίνος μαστού Μαστογραφία Μικροαποτιτανώσεις Breast cancer Mammography Microcalcifications 618.190 757 2 |
| spellingShingle |
Καρκίνος μαστού Μαστογραφία Μικροαποτιτανώσεις Breast cancer Mammography Microcalcifications 618.190 757 2 Αναγνωστοπούλου, Ιωάννα Ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας |
| description |
Ο καρκίνος του μαστού αποτελεί μια κοινή και συχνά θανατηφόρα ασθένεια για αυτό το λόγο είναι πολύ σημαντική η ανίχνευσή του στα πρώιμα στάδια. Η έγκαιρη διάγνωση βοηθά στη μείωση της θνησιμότητας και αποτελεί γνώμονα για την επιτυχημένη θεραπεία του. Η μαστογραφία είναι μια σημαντική μέθοδος ανίχνευσης του καρκίνου του μαστού καθώς δείχνει αλλοιώσεις οι οποίες δεν γίνονται αντιληπτές από την κλινική εξέταση.
Σκοπός: Η παρούσα μεταπτυχιακή εργασία στοχεύει στην ανάλυση των μικροαποτιτανώσεων εντός μίας συστάδας με σκοπό την εξαγωγή χρήσιμων χαρακτηριστικών τα οποία αξιοποιούνται ώστε να βοηθήσουν στην διάγνωση για την ύπαρξη ή όχι καρκίνου του μαστού.
Υλικό – Μέθοδος: Στην παρούσα μελέτη τα δεδομένα που χρησιμοποιούνται αφορούν σε 161 εικόνες μαστογραφίας (90 καλοήθεις, 71 κακοήθεις) οι οποίες διαθέτουν πλειόμορφες μικροαποτιτανώσεις και προέρχονται από την βάση DDSM. Η τοπολογία των μικροαποτιτανώσεων εντός μιας συστάδας αναλύεται με τη χρήση δύο μεθόδων, των γράφων αποτιτανώσεων η οποία έχει ήδη χρησιμοποιηθεί στην βιβλιογραφία και μιας καινούργιας μεθόδου που χρησιμοποιεί το ιστόγραμμα των αποστάσεων των μικροαποτιτανώσεων μεταξύ τους και την διάσταση συσχέτισής τους. Ο ταξινομητής kNN χρησιμοποιείται για την ταξινόμηση των συστάδων μικροαποτιτανώσεων, ενώ για την επιλογή χαρακτηριστικών εφαρμόζεται η σειριακή εμπρόσθια επιλογή.
Αποτελέσματα: Η προτεινόμενη μέθοδος η οποία στηρίχτηκε στο ιστόγραμμα των αποστάσεων των μικροαποτιτανώσεων μεταξύ τους έδωσε σχεδόν παρόμοια αποτελέσματα με την μέθοδο των γράφων αποτιτανώσεων όταν εφαρμόστηκε στα δεδομένα της συγκεκριμένης μελέτης. Συγκεκριμένα με την προτεινόμενη μέθοδο καταφέραμε να επιτύχουμε AUC 0.81 και ακρίβεια ταξινόμησης 76% έναντι 0.80 και 76% με την μέθοδο των γράφων. Παρότι, τα αποτελέσματα δεν φαίνεται να διαφέρουν αρκετά ο χρόνος για την δημιουργία των διανυσμάτων χαρακτηριστικών για τις δύο μεθόδους διαφέρει σημαντικά.
Συμπεράσματα: Η προτεινόμενη μέθοδος αποτελεί μια απλή και γρήγορη μέθοδο για την ταξινόμηση των συστάδων μικροαποτιτανώσεων. Βασίζεται και αυτή στη λογική της τοπολογίας των μικροαποτιτανώσεων και της κατανομής τους εντός της συστάδας. Ο χρόνος υλοποίησης του διανύσματος χαρακτηριστικών της συγκεκριμένης μεθόδου είναι μόλις 45 λεπτά έναντι 36.5 ώρες για την δημιουργία του τοπολογικού διανύσματος με την μέθοδο των γράφων αποτιτανώσεων |
| author2 |
Μεγαλοοικονόμου, Βασίλειος |
| author_facet |
Μεγαλοοικονόμου, Βασίλειος Αναγνωστοπούλου, Ιωάννα |
| format |
Thesis |
| author |
Αναγνωστοπούλου, Ιωάννα |
| author_sort |
Αναγνωστοπούλου, Ιωάννα |
| title |
Ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας |
| title_short |
Ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας |
| title_full |
Ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας |
| title_fullStr |
Ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας |
| title_full_unstemmed |
Ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας |
| title_sort |
ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας |
| publishDate |
2017 |
| url |
http://hdl.handle.net/10889/10297 |
| work_keys_str_mv |
AT anagnōstopoulouiōanna taxinomēsētōnsystadōnmikroapotitanōseōnsekaloētheisēkakoētheisapodedomenamastographias |
| _version_ |
1771297263795044352 |
| spelling |
nemertes-10889-102972022-09-05T13:57:11Z Ταξινόμηση των συστάδων μικροαποτιτανώσεων σε καλοήθεις ή κακοήθεις από δεδομένα μαστογραφίας Αναγνωστοπούλου, Ιωάννα Μεγαλοοικονόμου, Βασίλειος Κωσταρίδου, Ελένη Μακρής, Χρήστος Μεγαλοοικονόμου, Βασίλειος Anagnostopoulou, Ioanna Καρκίνος μαστού Μαστογραφία Μικροαποτιτανώσεις Breast cancer Mammography Microcalcifications 618.190 757 2 Ο καρκίνος του μαστού αποτελεί μια κοινή και συχνά θανατηφόρα ασθένεια για αυτό το λόγο είναι πολύ σημαντική η ανίχνευσή του στα πρώιμα στάδια. Η έγκαιρη διάγνωση βοηθά στη μείωση της θνησιμότητας και αποτελεί γνώμονα για την επιτυχημένη θεραπεία του. Η μαστογραφία είναι μια σημαντική μέθοδος ανίχνευσης του καρκίνου του μαστού καθώς δείχνει αλλοιώσεις οι οποίες δεν γίνονται αντιληπτές από την κλινική εξέταση. Σκοπός: Η παρούσα μεταπτυχιακή εργασία στοχεύει στην ανάλυση των μικροαποτιτανώσεων εντός μίας συστάδας με σκοπό την εξαγωγή χρήσιμων χαρακτηριστικών τα οποία αξιοποιούνται ώστε να βοηθήσουν στην διάγνωση για την ύπαρξη ή όχι καρκίνου του μαστού. Υλικό – Μέθοδος: Στην παρούσα μελέτη τα δεδομένα που χρησιμοποιούνται αφορούν σε 161 εικόνες μαστογραφίας (90 καλοήθεις, 71 κακοήθεις) οι οποίες διαθέτουν πλειόμορφες μικροαποτιτανώσεις και προέρχονται από την βάση DDSM. Η τοπολογία των μικροαποτιτανώσεων εντός μιας συστάδας αναλύεται με τη χρήση δύο μεθόδων, των γράφων αποτιτανώσεων η οποία έχει ήδη χρησιμοποιηθεί στην βιβλιογραφία και μιας καινούργιας μεθόδου που χρησιμοποιεί το ιστόγραμμα των αποστάσεων των μικροαποτιτανώσεων μεταξύ τους και την διάσταση συσχέτισής τους. Ο ταξινομητής kNN χρησιμοποιείται για την ταξινόμηση των συστάδων μικροαποτιτανώσεων, ενώ για την επιλογή χαρακτηριστικών εφαρμόζεται η σειριακή εμπρόσθια επιλογή. Αποτελέσματα: Η προτεινόμενη μέθοδος η οποία στηρίχτηκε στο ιστόγραμμα των αποστάσεων των μικροαποτιτανώσεων μεταξύ τους έδωσε σχεδόν παρόμοια αποτελέσματα με την μέθοδο των γράφων αποτιτανώσεων όταν εφαρμόστηκε στα δεδομένα της συγκεκριμένης μελέτης. Συγκεκριμένα με την προτεινόμενη μέθοδο καταφέραμε να επιτύχουμε AUC 0.81 και ακρίβεια ταξινόμησης 76% έναντι 0.80 και 76% με την μέθοδο των γράφων. Παρότι, τα αποτελέσματα δεν φαίνεται να διαφέρουν αρκετά ο χρόνος για την δημιουργία των διανυσμάτων χαρακτηριστικών για τις δύο μεθόδους διαφέρει σημαντικά. Συμπεράσματα: Η προτεινόμενη μέθοδος αποτελεί μια απλή και γρήγορη μέθοδο για την ταξινόμηση των συστάδων μικροαποτιτανώσεων. Βασίζεται και αυτή στη λογική της τοπολογίας των μικροαποτιτανώσεων και της κατανομής τους εντός της συστάδας. Ο χρόνος υλοποίησης του διανύσματος χαρακτηριστικών της συγκεκριμένης μεθόδου είναι μόλις 45 λεπτά έναντι 36.5 ώρες για την δημιουργία του τοπολογικού διανύσματος με την μέθοδο των γράφων αποτιτανώσεων Breast cancer is a common and often a fatal disease and this is why it is very important to be detected at an early stage. Early diagnosis helps in reducing mortality and drives to successful treatment. Mammography is an important method of detecting breast cancer as it shows lesions that are not perceived by the physical examination. Purpose: This thesis aims at the analysis of microcalcifications within a cluster in order to extract useful characteristics which are used to help diagnose the presence or not of breast cancer. Material - Method: In this study the 161 mammographic images (90 benign, 71 malignant) were collected from DDSM database and all of them consists of pleomorphic microcalcifications. The topology of microcalcifications within a cluster is analyzed using two methods, microcalcification graph (already used in literature) and a novel method which is using the histogram of distances among microcalcifications and their correlation dimension. Classifier kNN was used for classification of microcalcification clusters and sequential feature selection was applied to find the significant subset of features. Results: The proposed method which is based on the distances between microcalcifications gave almost similar results to the method of microcalcification graphs when applied to the data used in this study. In particular the proposed method managed to achieve AUC of 0.81 and classification accuracy of 76% compared to 0.80 and 76% from the method of microcalcification graphs. Although the results do not seem to differ enough, time for the creation of feature vectors differ significantly. Conclusion: The proposed method is a simple and quick method for the classification of microcalcification clusters. This method is also based on the topology of microcalcifications and their distribution within the cluster. The implementation time to create feature vectors is just 45 minutes compared to 36.5 hours for the creation of topological feature vector by the method of microcalcification graphs. 2017-06-01T10:17:37Z 2017-06-01T10:17:37Z 2016-09 Thesis http://hdl.handle.net/10889/10297 gr 6 application/pdf |
