Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Zastosowanie termowizji w badaniach przesiewowych na przykładzie zmian nowotworowych piersi

Tytuł:
Zastosowanie termowizji w badaniach przesiewowych na przykładzie zmian nowotworowych piersi
Application of thermovision in screening examinations on the example of breast carcinoma
Autorzy:
Więcek, M.
Strąkowski, R.
Jakubowska, T.
Więcek, B.
Powiązania:
https://bibliotekanauki.pl/articles/261726.pdf
Data publikacji:
2010
Wydawca:
Politechnika Wrocławska. Wydział Podstawowych Problemów Techniki. Katedra Inżynierii Biomedycznej
Tematy:
termowizja
sieci neuronowe
nowotwór
tumour
thermovision
neural networks
Źródło:
Acta Bio-Optica et Informatica Medica. Inżynieria Biomedyczna; 2010, 16, 1; 49-55
1234-5563
Język:
polski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
W pracy przedstawiono procedurę termowizyjnych badań przesiewowych, w których dokonano selekcji oraz klasyfikacji obrazów za pomocą sieci neuronowych. Metodę zastosowano do badań zmian nowotworowych piersi. Sieć nauczono za pomocą 15 termogramów obrazujących zmiany patologiczne i 15 termogramów z grupy kontrolnej w projekcji przedniej i bocznej. Dodatkowo zastosowano analizę różnicy cech piersi zdrowej i chorej, co zapewniło największą skuteczność klasyfikacji na poziomie 70%. Lepsze wyniki klasyfikacji uzależnione są od wielkości zbioru uczącego.

In this work, the procedure of screening breast pathology based on thermovision examinations was presented. The thermal image features were evaluated and classified by means of neural networks. 15 thermal images representing pathological lesions and 15 images from control group were examined, both from fivntal and side positions of a patient. In addition, the differences of features of neoplastic and healthy breasts tissue, were evaluated. The classification efficiency up to 70% was achieved. The better classification can be obtained in case of bigger number of thermal images from both groups: pathological and control ones.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies