Unsupervised Detection of Mammogram Regions of Interest

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F07%3A00085867" target="_blank" >RIV/67985556:_____/07:00085867 - isvavai.cz</a>

Result on the web

—

DOI - Digital Object Identifier

—

Result language

angličtina

Original language name

Unsupervised Detection of Mammogram Regions of Interest

Original language description

We present an unsupervised method for fully automatic detection of regions of interest containing fibroglandular tissue in digital screening mammography. The unsupervised segmenter is based on a combination of several unsupervised segmentation results, each in different resolution, using the sum rule. The mammogram tissue textures are locally represented by four causal monospectral random field models recursively evaluated for each pixel. The single-resolution segmentation part of the algorithm is basedon the underlying Gaussian mixture model and starts with an over segmented initial estimation which is adaptively modified until the optimal number of homogeneous mammogram segments is reached.

Czech name

Neřízené rozpoznávání oblastí zájmu na mamogramech

Czech description

Článek prezentuje neřízenou metodu rozpoznávání umožňující zcela automatickou detekci oblastí zájmu, které obsahují fibrozně-žlázovitou tkáň, z digitálních roentgenových mamogramů. Neřízená segmentační metoda kombinuje několik neřízených segmentačních výsledků, každý v jiném rozlišení, pomocí sumačního pravidla. Mamografické tkáňové textury jsou lokálně reprezentovány čtyřmi kauzálními modely náhodných polí rekurzivně pro každý pixel. Segmentační část metody pro jedno měřítko je založena na gaussovskémsměsovém modelu a začíná z přesegmentovaného odhadu, který se adaptivně mění, až se dosáhne optimální počet homogenních oblastí. Vlastnosti publikované metody jsou rozsáhle testovány na Digital Database for Screening Mammography (DDSM) z University of South Florida a na Prague Texture Segmentation Benchmark pomocí nejpoužívanějších segmentačních kriterií. Metoda dosahuje lepší výsledky než několik alternativních testovaných texturních segmentačních metod.

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

BD - Information theory

OECD FORD branch

—

Project

Result was created during the realization of more than one project. More information in the Projects tab.

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)<br>R - Projekt Ramcoveho programu EK

Publication year

2007

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Lecture Notes in Computer Science

ISSN

0302-9743

e-ISSN

—

Volume of the periodical

2007

Issue of the periodical within the volume

4694

Country of publishing house

DE - GERMANY

Number of pages

8

Pages from-to

33-40

UT code for WoS article

—

EID of the result in the Scopus database

—