AbstractBreast cancer is one of the

Abstract
Breast cancer is one of the major causes of death for women in the last decade. Thermography is a breast imaging technique that can detect cancerous masses much faster than the conventional mammography technology. In this paper, a breast cancer detection algorithm based on asymmetric analysis as primitive decision and decision-level fusion by using Hidden Markov Model (HMM) is proposed. In this decision structure, by using primitive decisions obtained from extracted features from left and right breasts and also asymmetric analysis, final decision is determined by a new application of HMM. For this purpose, a novel texture feature based on Markov Random Field (MRF) model that is named MRF-based probable texture feature and another texture feature based on a new scheme in Local Binary Pattern (LBP) of the images are extracted. In the MRF-based probable texture feature, we try to capture breast texture information by using proper definition of neighborhood system and clique and also determination of new potential functions. Ultimately, our proposed breast cancer detection algorithm is evaluated on a variety dataset of thermography images and false negative rate of 8.3% and false positive rate of 5% are obtained on test image dataset.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อมะเร็งเต้านมเป็นหนึ่งในสาเหตุหลักของความตายผู้หญิงในทศวรรษ Thermography เป็นเต้านมที่ภาพเทคนิคที่สามารถตรวจพบมะเร็งฝูงมากเร็วกว่าเทคโนโลยี mammography ธรรมดา ในเอกสารนี้ มีเสนอเต้านมมะเร็งตรวจสอบอัลกอริทึมใช้ asymmetric วิเคราะห์ตัดสินใจดั้งเดิมและฟิวชั่นระดับการตัดสินใจโดยซ่อน Markov รุ่น (HMM) ในโครงสร้างการตัดสินใจนี้ โดยตัดสินใจดั้งเดิมที่ได้รับจากการแยกคุณลักษณะจากหน้าอกซ้าย และขวา และวิเคราะห์ asymmetric ตัดสินใจขั้นสุดท้ายจะถูกกำหนด โดยโปรแกรมประยุกต์ใหม่ของ HMM สำหรับวัตถุประสงค์นี้ คุณลักษณะเนื้อนวนิยายตามรูปแบบฟิลด์สุ่มของ Markov (MRF) ที่ชื่อตาม MRF เนื้อน่าเป็นคุณลักษณะ และลักษณะพื้นผิวอื่นตามแผนงานใหม่ในท้องถิ่นฐานลาย (แอลบีพี) ของภาพจะถูกขยาย ในคุณลักษณะตาม MRF เนื้อดำรง เราพยายามเก็บข้อมูลพื้นผิวเต้านม โดยใช้คำนิยามที่เหมาะสมของระบบพื้นที่ใกล้เคียง และกลุ่ม และกำหนดฟังก์ชันใหม่อาจเกิดขึ้น สุด ขั้นตอนวิธีตรวจมะเร็งเต้านมเสนอของเราจะถูกประเมินในการชุดข้อมูลต่าง ๆ ภาพ thermography และเท็จลบ 8.3% และเท็จบวก 5% จะได้รับในชุดข้อมูลทดสอบภาพ

ผลลัพธ์ (ไทย) 2:

บทคัดย่อมะเร็งเต้านมเป็นหนึ่งในสาเหตุสำคัญของการเสียชีวิตสำหรับผู้หญิงในทศวรรษที่ผ่านมา Thermography เป็นเทคนิคการถ่ายภาพเต้านมที่สามารถตรวจจับฝูงมะเร็งได้เร็วกว่าเทคโนโลยีตรวจเต้านมธรรมดา ในบทความนี้วิธีการตรวจสอบมะเร็งเต้านมจากการวิเคราะห์การตัดสินใจไม่สมมาตรดั้งเดิมและฟิวชั่นในระดับการตัดสินใจโดยใช้ Hidden Markov Model (HMM) จะเสนอ ในโครงสร้างการตัดสินใจครั้งนี้โดยใช้การตัดสินใจแบบดั้งเดิมที่ได้จากการสกัดจากคุณสมบัติที่หน้าอกซ้ายและขวาและยังวิเคราะห์ไม่สมมาตรตัดสินใจขั้นสุดท้ายจะถูกกำหนดโดยโปรแกรมใหม่ของ HMM เพื่อจุดประสงค์นี้เป็นคุณลักษณะเนื้อนิยายบนพื้นฐานของมาร์คอฟสนามสุ่ม (MRF) รูปแบบที่มีชื่อน่าจะเป็นคุณลักษณะเนื้อ MRF-based และคุณลักษณะเนื้ออีกขึ้นอยู่กับรูปแบบใหม่ในรูปแบบไบนารีท้องถิ่น (LBP) ของภาพที่ถูกดึง ใน MRF ตามคุณลักษณะเนื้อน่าจะเป็นเราพยายามที่จะจับข้อมูลที่เนื้อเต้านมโดยใช้คำนิยามที่เหมาะสมของระบบและพื้นที่ใกล้เคียงก๊กและความมุ่งมั่นของฟังก์ชั่นใหม่ที่มีศักยภาพ ในที่สุดวิธีการตรวจสอบมะเร็งเต้านมที่นำเสนอของเราได้รับการประเมินในชุดข้อมูลที่หลากหลายของภาพความร้อนและอัตราการลบเท็จ 8.3% และอัตราการเท็จบวก 5% จะได้รับในชุดภาพการทดสอบ

ผลลัพธ์ (ไทย) 3:

มะเร็งเต้านมนามธรรม
เป็นหนึ่งในสาเหตุหลักของการเสียชีวิตสำหรับผู้หญิงในทศวรรษที่ผ่านมา อบรมเทคนิคการถ่ายภาพเป็นเต้านมที่สามารถตรวจพบก้อนมะเร็งเร็วกว่าเทคโนโลยีการเอ็กซเรย์เต้านมปกติ ในกระดาษนี้ , การตรวจหาโรคมะเร็งเต้านมโดยอยู่บนพื้นฐานของการวิเคราะห์แบบดั้งเดิมและระดับการตัดสินใจการตัดสินใจเป็นฟิวชั่นโดยใช้ฮิดเดนมาร์คอฟโมเดล ( อืม ) เสนอโครงสร้างการตัดสินใจนี้ โดยการใช้แบบดั้งเดิมในการตัดสินใจได้จากสกัดคุณสมบัติจากซ้ายและหน้าอกขวา และการวิเคราะห์ก็สมมาตร การตัดสินใจขั้นสุดท้ายจะถูกกำหนดโดยสมัครใหม่ของ . . . . . เพื่อวัตถุประสงค์นี้นิยายเนื้อคุณลักษณะตามแบบสุ่มฟิลด์ ( mrf ) รุ่นที่ชื่อ mrf คุณลักษณะพื้นผิวและพื้นผิวลักษณะอื่นน่าจะเป็นตามโครงการใหม่ในรูปแบบไบนารีตามท้องถิ่น ( ปวดหลัง ) ของภาพจะถูกแยก ใน mrf ตามคุณลักษณะพื้นผิว ความน่าจะเป็นเราพยายามที่จะจับข้อมูลเนื้อเต้านมโดยใช้คำนิยามที่เหมาะสมของระบบชุมชนและกลุ่ม และการวิเคราะห์ศักยภาพการทำงานใหม่ ท้ายที่สุด เราเสนอขั้นตอนวิธีการตรวจหาโรคมะเร็งเต้านม คือ ประเมินในหลากหลายข้อมูลภาพการอบรมและอัตราผลลบปลอมของ 8.3% และอัตราบวกเท็จ 5 % จะได้รับในชุดข้อมูลภาพแบบ