Готові списки джерел за темами / Computer-aided lung cancer detection system

Добірка наукової літератури з теми "Computer-aided lung cancer detection system"

Автор: Grafiati

Опубліковано: 30 травня 2022

Оновлено: 31 травня 2022

Оформте джерело за APA, MLA, Chicago, Harvard та іншими стилями

Оберіть тип джерела:

Ознайомтеся зі списками актуальних статей, книг, дисертацій, тез та інших наукових джерел на тему "Computer-aided lung cancer detection system".

Біля кожної праці в переліку літератури доступна кнопка «Додати до бібліографії». Скористайтеся нею – і ми автоматично оформимо бібліографічне посилання на обрану працю в потрібному вам стилі цитування: APA, MLA, «Гарвард», «Чикаго», «Ванкувер» тощо.

Також ви можете завантажити повний текст наукової публікації у форматі «.pdf» та прочитати онлайн анотацію до роботи, якщо відповідні параметри наявні в метаданих.

Статті в журналах з теми "Computer-aided lung cancer detection system"

Ziyad, Shabana Rasheed, Venkatachalam Radha, and Thavavel Vayyapuri. "Overview of Computer Aided Detection and Computer Aided Diagnosis Systems for Lung Nodule Detection in Computed Tomography." Current Medical Imaging Formerly Current Medical Imaging Reviews 16, no. 1 (January 6, 2020): 16–26. http://dx.doi.org/10.2174/1573405615666190206153321.

Повний текст джерела

Анотація:

Background: Lung cancer has become a major cause of cancer-related deaths. Detection of potentially malignant lung nodules is essential for the early diagnosis and clinical management of lung cancer. In clinical practice, the interpretation of Computed Tomography (CT) images is challenging for radiologists due to a large number of cases. There is a high rate of false positives in the manual findings. Computer aided detection system (CAD) and computer aided diagnosis systems (CADx) enhance the radiologists in accurately delineating the lung nodules. Objectives: The objective is to analyze CAD and CADx systems for lung nodule detection. It is necessary to review the various techniques followed in CAD and CADx systems proposed and implemented by various research persons. This study aims at analyzing the recent application of various concepts in computer science to each stage of CAD and CADx. Methods: This review paper is special in its own kind because it analyses the various techniques proposed by different eminent researchers in noise removal, contrast enhancement, thorax removal, lung segmentation, bone suppression, segmentation of trachea, classification of nodule and nonnodule and final classification of benign and malignant nodules. Results: A comparison of the performance of different techniques implemented by various researchers for the classification of nodule and non-nodule has been tabulated in the paper. Conclusion: The findings of this review paper will definitely prove to be useful to the research community working on automation of lung nodule detection.

Стилі APA, Harvard, Vancouver, ISO та ін.

Taher, Fatma, Naoufel Werghi, and Hussain Al-Ahmad. "Computer Aided Diagnosis System for Early Lung Cancer Detection." Algorithms 8, no. 4 (November 20, 2015): 1088–110. http://dx.doi.org/10.3390/a8041088.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Amin, Javeria, Muhammad Sharif, and Mussarat Yasmin. "Computer Aided Diagnosis Systems for Lung Cancer Detection." Immunology‚ Endocrine & Metabolic Agents in Medicinal Chemistry 16, no. 999 (October 14, 2016): 1. http://dx.doi.org/10.2174/1871522216666161014160132.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

El-Baz, Ayman, Garth M. Beache, Georgy Gimel'farb, Kenji Suzuki, Kazunori Okada, Ahmed Elnakib, Ahmed Soliman, and Behnoush Abdollahi. "Computer-Aided Diagnosis Systems for Lung Cancer: Challenges and Methodologies." International Journal of Biomedical Imaging 2013 (2013): 1–46. http://dx.doi.org/10.1155/2013/942353.

Повний текст джерела

Анотація:

This paper overviews one of the most important, interesting, and challenging problems in oncology, the problem of lung cancer diagnosis. Developing an effectivecomputer-aided diagnosis(CAD) system for lung cancer is of great clinical importance and can increase the patient’s chance of survival. For this reason, CAD systems for lung cancer have been investigated in a huge number of research studies. A typical CAD system for lung cancer diagnosis is composed of four main processing steps: segmentation of the lung fields, detection of nodules inside the lung fields, segmentation of the detected nodules, and diagnosis of the nodules as benign or malignant. This paper overviews the current state-of-the-art techniques that have been developed to implement each of these CAD processing steps. For each technique, various aspects of technical issues, implemented methodologies, training and testing databases, and validation methods, as well as achieved performances, are described. In addition, the paper addresses several challenges that researchers face in each implementation step and outlines the strengths and drawbacks of the existing approaches for lung cancer CAD systems.

Стилі APA, Harvard, Vancouver, ISO та ін.

Chapaliuk, Bohdan V., and Yuriy P. Zaychenko. "Recurrent neural network usage for computer-aided lung cancer detection system." System research and information technologies, no. 3 (October 7, 2019): 33–40. http://dx.doi.org/10.20535/srit.2308-8893.2019.3.03.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Lo, Pechin, Matthew S. Brown, Jonathan Goldin, Eran Barnoy, Hyun J. Kim, Michael F. McNitt-Gray, and Denise R. Aberle. "Computer-aided lung cancer screening with CT: A clinically usable nodule detection and assessment system." Journal of Clinical Oncology 31, no. 15_suppl (May 20, 2013): 7562. http://dx.doi.org/10.1200/jco.2013.31.15_suppl.7562.

Повний текст джерела

Анотація:

7562 Background: The National Lung Screening Trial (NLST) recently demonstrated that lung cancer screening with low-dose CT reduces mortality. Current protocols use 4–8 mm nodules as positive screens. While there are some computer-aided nodule detection (CAD) systems currently available, they are rarely used in clinical practice because they generate too many false positives and lack reliable measurement tools. The purpose of this work is to develop a new CAD system to overcome these limitations and evaluate it against an expert panel of radiologists. Methods: The CAD system developed for lung nodule detection and measurement incorporates computer vision techniques including intensity thresholding, Euclidean Distance Transformation, and watershed segmentation. Rules pertaining to volume and shape were applied to automatically discriminate between nodules and bronchovascular anatomy. CAD system performance was assessed using 108 consecutive cases from the publically available Lung Imaging Database Consortium (LIDC), in which four radiologists reviewed each case. CT slice thickness ranged from 0.6–3.0 mm. Nodules were included that were: (a) ≥ 4mm, and (b) marked by a majority of the LIDC readers, and (c) ≥ 4 x CT slice thickness (to ensure adequate spatial resolution). Results: 44 of 108 subjects had one or more nodules meeting criteria. Median CAD sensitivity per subject for these 44 cases is reported for all nodules ≥ 4mm and the subset of nodules ≥ 8mm. The false positive (FP) rate per subject is reported for all 108 cases. The overall concordance correlation coefficient (CCC) between the CAD volume of each nodule and the LIDC reference volume was measured. Conclusions: Based on clinical CT screening protocols, a CAD system has been developed with high nodule sensitivity and a much lower false positive rate than previously reported systems. Automated volume measurements show strong agreement with the reference standard, providing a comprehensive detection and assessment workflow for lung cancer screening. [Table: see text]

Стилі APA, Harvard, Vancouver, ISO та ін.

Qu, Ming Zhi, and Gui Rong Weng. "Lung Nodule Segmentation Using Mathematical Morphology." Applied Mechanics and Materials 58-60 (June 2011): 1378–83. http://dx.doi.org/10.4028/www.scientific.net/amm.58-60.1378.

Повний текст джерела

Анотація:

Contemporary computed tomography (CT) technology offers the better potential of screening for the early detection of lung cancer than the traditional x-ray chest radiographs. In order to help improve radiologists’ diagnostic performance and efficiency, many researchers propose to develop computer-aided detection and diagnosis (CAD) system for the detection and characterization of lung nodules depicted on CT images and to evaluate its potentially clinical utility in assisting radiologists. Based on review of computer-aided detection and diagnosis of lung nodules using CT at home and abroad in recent years, this paper presented a new algorithm that achieves an automated way for applying multi-scale nodule enhancement, mathematical morphology and morphological Segmentation.

Стилі APA, Harvard, Vancouver, ISO та ін.

Wang, Hui, Yanying Li, Shanshan Liu, and Xianwen Yue. "Design Computer-Aided Diagnosis System Based on Chest CT Evaluation of Pulmonary Nodules." Computational and Mathematical Methods in Medicine 2022 (January 10, 2022): 1–12. http://dx.doi.org/10.1155/2022/7729524.

Повний текст джерела

Анотація:

At present, the diagnosis and treatment of lung cancer have always been one of the research hotspots in the medical field. Early diagnosis and treatment of this disease are necessary means to improve the survival rate of lung cancer patients and reduce their mortality. The introduction of computer-aided diagnosis technology can easily, quickly, and accurately identify the lung nodule area as an imaging feature of early lung cancer for the clinical diagnosis of lung cancer and is helpful for the quantitative analysis of the characteristics of lung nodules and is useful for distinguishing benign and malignant lung nodules. Growth provides an objective diagnostic reference standard. This paper studies ITK and VTK toolkits and builds a system platform with MFC. By studying the process of doctors diagnosing lung nodules, the whole system is divided into seven modules: suspected lung shadow detection, image display and image annotation, and interaction. The system passes through the entire lung nodule auxiliary diagnosis process and obtains the number of nodules, the number of malignant nodules, and the number of false positives in each set of lung CT images to analyze the performance of the auxiliary diagnosis system. In this paper, a lung region segmentation method is proposed, which makes use of the obvious differences between the lung parenchyma and other human tissues connected with it, as well as the position relationship and shape characteristics of each human tissue in the image. Experiments are carried out to solve the problems of lung boundary, inaccurate segmentation of lung wall, and depression caused by noise and pleural nodule adhesion. Experiments show that there are 2316 CT images in 8 sets of images of different patients, and the number of nodules is 56. A total of 49 nodules were detected by the system, 7 were missed, and the detection rate was 87.5%. A total of 64 false-positive nodules were detected, with an average of 8 per set of images. This shows that the system is effective for CT images of different devices, pixel pitch, and slice pitch and has high sensitivity, which can provide doctors with good advice.

Стилі APA, Harvard, Vancouver, ISO та ін.

R., Sudha, and Umamaheswari K.M. "A Comprehensive Study of Deep Learning Approaches for Lung Nodule Analysis with Recent Computational Techniques." Webology 19, no. 1 (January 20, 2022): 749–63. http://dx.doi.org/10.14704/web/v19i1/web19053.

Повний текст джерела

Анотація:

Lung nodules resemble a spot or coin lesion, which is an abnormal part of the Lung. The size of the nodule is more significant than 3 cm, which may lead to cancer later. Lung cancer is one of the life treating cancers in the world. The American Lung Association says that the five years of survival rate is 18.6% lower when compared to other dominant cancers. But when it is diagnosed earlier, the survival rate can be increased by about 60%. Deep Learning-based Computer-aided Detection (CADe) and Computer-aided Diagnose (CADx) systems help the radiologist detect and classify the nodules as early as possible. This survey focuses on various methods, techniques, and algorithms available for Detecting, Classifying and Reducing the FP on Lung nodules. And also the familiar datasets that are used for processing the images. This work also reviews how the CNN model can be deployed and stored as cloud services.

Стилі APA, Harvard, Vancouver, ISO та ін.

Gomathi. "A Computer Aided Diagnosis System for Lung Cancer Detection \Using Support Vector Machine." American Journal of Applied Sciences 7, no. 12 (December 1, 2010): 1532–38. http://dx.doi.org/10.3844/ajassp.2010.1532.1538.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Більше джерел

Дисертації з теми "Computer-aided lung cancer detection system"

Чапалюк, Богдан Володимирович. "Системи автоматичної медичної комп’ютерної дiагностики з використанням методiв штучного iнтелекту". Doctoral thesis, Київ, 2020. https://ela.kpi.ua/handle/123456789/39677.

Повний текст джерела

Анотація:

Мета даного дисертацiйного дослiдження полягає в детальному розглядi, розробцi та удосконаленнi систем автоматичної комп’ютерної дiагностики раку легень використовуючи методи штучного iнтелекту, зокрема застосовуючи та удосконалюючи останнi досягнення в областi глибинного навчання. Для дiагностування раку легенiв в сучасних медичних закладах використовують комп’ютерну томографiю, що представляє собою тривимiрне зображення легенiв пацiєнта, отримане за допомогою рентгенiвського променю, що пошарово та поступово проходить через тканини людського тiла в рiзних напрямках, з рiзних кутiв та положень. Такий вид зображень використовується в роботi для аналiзу присутностi пухлини в легенях за допомогою згорткових нейронних мереж. Однак, такi особливi данi накладають свої складностi в розробцi систем медичного комп’ютерного дiагностування, оскiльки при роботi з ними необхiдно враховувати їхню тривимiрну природу та вiдповiднi просторовi зв’язки. Тому, в дисертацiйному дослiдженнi розглядається три основнi пiдходи для роботи з такими даними: 1. Використання двовимiрної згорткової нейронної мережi. Для кожного шару КТ знiмка застосовується згорткова нейронна мережа. Виходи мережi для кожного шару знiмку об’єднуються та фiнальний висновок робиться на основi правил навчання за набором зразкiв. 2. Використання тривимiрних згорткових нейронних мереж, якi враховують тривимiрну природу вхiдних даних та можуть вiднайти кориснi патерни використовуючи всi три просторовi вiсi. Часто, такi системи роздiляють задачу на декiлька етапiв, кожен з яких використовує тривимiрну згорткову нейронну мережу налаштовану пiд конкретну пiдзадачу. 3. Використання комбiнованої структури двовимiрної згорткової та рекурентної нейронних мереж. В такому пiдходi двовимiрну згорткову нейронну мережу використовують для представлення вхiдних даних в менш мiрному просторi шляхом навчання многовиду меншої розмiрностi. Завдяки цьому на кожному шарi КТ зображення будуть видiлятися тiльки найбiльш важливi високорiвневi ознаки. Отриманi ознаки обробляються двонаправленою рекурентною нейронною мережею з вентильним вузлом (англ. bidirectional gated recurrent neural network), яка навчається складним нелiнiйним функцiям, що описують просторовi залежностi та вплив мiж ними. Вихiд рекурентної мережi повертає ймовiрнiсть наявностi пухлини на знiмку. В рамках даного дисертацiйного дослiдження проводиться аналiз та виконується експерименти для кожного пiдходу, а отриманi результати порiвнюються з роботами iнших авторiв. Експерименти показують, що найбiльш точними є системи побудованi iз декiлькох тривимiрних згорткових нейронних мереж (одна мережа сегментує потенцiйнi проблемнi регiони, iнша класифiкує присутнiсть в таких регiонах пухлини). Однак, такi системи мають дуже великi обчислювальнi вимоги, через те що використовують операцiю тривимiрної згортки, вимоги до обчислювальної потужностi якої ростуть кубiчно зi збiльшенням розмiрностi вхiдного зображення. В такому випадку, запропонована архiтектура рекурентної згорткової нейронної мережi дозволяє отримати точнiсть роботи системи на достатньо високому рiвнi, в той же час використовуючи значно менш вимогливу до обчислювальних потужностей та пам’ятi операцiю двовимiрної згортки. Наукова новизна отриманих результатiв дисертацiї полягає в запропонованому здобувачем методi побудови комбiнованої структури системи комп’ютерної дiагностики, що полягає в поєднаннi двовимiрної згорткової та двонаправленої рекурентної нейронної мережi LSTM. На вiдмiну вiд iнших рiшень, така система враховує просторовi зв’язки мiж рiзними шарами знiмку комп’ютерної томографiї шляхом використання двонаправленої рекурентної нейронної мережi, на входi якої використовують високорiвневi ознаки сформованi за допомогою двовимiрної згорткової нейронної мережi. Високорiвневi ознаки будуються для кожного шару знiмку пацiєнта. За результатами експериментiв така архiтектура нейронної мережi змогла досягти значення AUC ROC на рiвнi 83%, що трохи нижче у порiвнянi з системами тривимiрних згорткових нейронних мереж, що показують значення AUC ROC на рiвнi 90-95%. Однак, отриманi результати є найвищими результатами для рекурентних нейронних мереж, що застосовуються для побудови систем комп’ютерної дiагностики раку легенiв. Також, запропонована архiтектура має вищу швидкодiю, що досягається шляхом використання операцiї двовимiрної згортки замiсть операцiї тривимiрної згортки, вимоги якої до обчислювальної потужностi та пам’ятi ростуть квадратично з розмiром вхiдних даних, а не кубiчно. Для ефективного навчання комбiнованої структури згорткової рекурентної нейронної мережi був запропонований механiзм м’якої уваги, що надав можливiсть нейроннiй мережi отримати iнформацiю про локацiю пухлини пiд час навчання. Згiдно проведених експериментiв, такий пiдхiд допомiг покращити показники метрики AUC ROC бiльш нiж на 8%. Практичне значення отриманих результатiв полягає в розширенi та удосконаленi iснуючих методiв побудови систем комп’ютерної дiагностики. Запропонована комбiнована структура згорткової нейронної мережi та двонаправленої рекурентної мережi дозволяє отримати достатньо високу точнiсть роботи системи та пiдвищує точнiсть роботи системи у порiвнянi з використанням звичайних рекурентних нейронних мереж. Також, така система вiдзначається використанням меншої кiлькостi ресурсiв чим у тривимiрної згорткової нейронної мережi. Проведенi експерименти та аналiз iснуючих методiв систем комп’ютерної дiагностики дозволив сформулювати необхiднi вимоги та пiдходи, якi потрiбно використовувати в залежностi вiд прiоритету швидкодiї чи точностi роботи системи. Запропонований механiзм м’якої уваги дозволяє значно пiдвищити ефективнiсть навчання комбiнованих архiтектур згорткових рекурентних нейронних мереж. Результати дисертацiйного дослiдження впроваджено в НДР за темою “Розроблення та дослiдження методiв обробки, розпiзнавання, захисту та зберiгання медичних зображень в розподiлених комп’ютерних системах” за номером держ реєстрацiї 0117U004267 (тема №2021п, код КВНТД I.1 01.05.02). Також, основнi результати роботи викладенi в 6 друкованих наукових роботах, з них двоє статей в наукових фахових виданнях України, 2 опублiковано в iноземних журналах, що iндексується в Googel Scholar та iнших базах даних, 1-а стаття у виданнi, що входить до Web of Science Core Collection та SCOPUS. Також опублiковано одну роботу в тезах доповiдей мiжнародної наукової конференцiї.

Стилі APA, Harvard, Vancouver, ISO та ін.

Κορφιάτης, Παναγιώτης. "Ανίχνευση οζιδίων του πνεύμονα στην υπολογιστική αξονική τομογραφία χαμηλής δόσης". Thesis, 2006. http://nemertes.lis.upatras.gr/jspui/handle/10889/1167.

Повний текст джерела

Анотація:

Use of multi-detector CT in lung cancer screening has the potential to detect smaller lung nodules with improved sensitivity. In this study the development of a Computer Aided Detection (CAD) system for lung nodules is reported. A combination of two segmentation approaches is used, to segment lung regions. Following segmentation, a selective enhancement filter is applied for ''initial'' identification of nodule seed points in lung regions. Candidate lung nodule regions were delineated with the use of a region growing algorithm, with thresholds provided by minimum error thresholding. False positive regions were subsequently removed using two Support Vector Machines (SVM) classifiers in cascade, utilizing a set of 6 morphological features extracted from corresponding nodule candidate regions of the enhanced and the original images. The proposed automated scheme was tested on a reference dataset of 21 cases provided by the Lung Imaging Database Consortium. System performance on a case and slice basis provided sensitivities of 91% and 81% respectively, both with an average of 5 FPs per slice. Further analysis of the slice dataset with respect to size, contrast and location of nodules provided sensitivities of 81%, 83% and 85% for nodules of small size, low contrast and near pleura. This CAD scheme may be a useful tool in assisting radiologists in lung nodule detection.
Χρήση υπολογιστικής αξονικής τομογραφίας με πολλαπλών ανιχνευτών στον πληθυσμιακό έλεγχο καρκίνου το πνεύμονα αναμένεται να συμβάλει θετικά λόγω της ικανότητας της να ανιχνεύει οζίδια του πνεύμονα μικρού μεγέθους με αυξημένη ευαισθησία. Σε αυτή την μελέτη περιγράφεται η ανάπτυξη συστήματος αυτόματης ανίχνευσης οζιδίων του πνεύμονα, με στόχο την αύξηση της ευαισθησίας σε πολυτομική αξονική τομογραφία. Το σύστημα ανίχνευσης οζιδίων αποτελείται από τρία στάδια, το στάδιο της τμηματοποίησης των πνευμονικών πεδίων, την αναγνώριση των αρχικών υποψηφίων περιοχών και τέλος την μείωση των ψευδώς θετικών ενδείξεων. Η τμηματοποίηση των πνευμονικών πεδίων πραγματοποιήθηκε με τον συνδυασμό δύο αυτόματων τεχνικών τμηματοποίησης. Στην συνέχεια ένα επιλεκτικό ενισχυτικό φίλτρο εφαρμόζεται στην περιοχή των πνευμονικών πεδίων, για την ανίχνευση τον αρχικών υποψηφίων οζιδίων και τον συντεταγμένων τους. Τα όρια των υποψήφιων οζιδίων καθορίστηκαν με την βοήθεια ενός αλγορίθμου οριοθέτησης περιοχής με τις σταθερές κατωφλιού να υπολογίζονται αυτόματα βάση τις τεχνικής που προτάθηκε από τον Kittler et al. Η μείωση των ψευδώς θετικών ενδείξεων πραγματοποιήθηκε με την εφαρμογή δύο ταξινομητών Support Vector Machines (SVM) σε σειρά, οι οποίοι χρησιμοποίησαν 6 μορφολογικά χαρακτηριστικά τα οποία υπολογίστηκαν από τις περιοχές των υποψηφίων οζιδίων στην ενισχυμένη αλλά και στην αρχική εικόνα. Το σύστημα το οποίο παρουσιάζεται σε αυτή την εργασία εφαρμόστηκε και δοκιμάστηκε σε βάση δεδομένων αναφοράς η οποία περιλαμβάνει 21 εξετάσεις, την οποία τις παρέχει το Lung Imaging Database Consortium ((LIDC). Η απόδοση του συστήματος σε επίπεδο εξέτασης και επίπεδο τομής ήταν αντίστοιχα 91% και 81% με 5 ψευδώς θετικές ενδείξεις αντίστοιχα. Περαιτέρω ανάλυση βάση του μεγέθους, αντίθεσης και θέσης των οζιδίων απέδωσε ευαισθησίες 81%, 83% και 85% για οζίδια μικρού μεγέθους, χαμηλής αντίθεσης και οζίδια που βρίσκονται στον υπεζοκότα. Το προτεινόμενο σύστημα μπορεί να αποδειχθεί χρήσιμο εργαλείο υποβοήθησης ανάγνωσης οζιδίων σε πολυτομική αξονική τομογραφία για τους ακτινολόγους.

Стилі APA, Harvard, Vancouver, ISO та ін.

Chen, Yi-Wen, and 陳逸雯. "Computer-aided Diagnosis System for Lung Nodule Detection." Thesis, 2002. http://ndltd.ncl.edu.tw/handle/72120452100264863240.

Повний текст джерела

Анотація:

碩士
中原大學
醫學工程研究所
90
In radiology, it''s quite difficult to make a preliminary diagnosis of lung cancer by using a chest X-ray image. When an uncertainly abnormal tissue occurred in X-ray image, some advanced tests, such as CT, MRI, bronchotomy , or microtomy , will be made for more detailed diagnosis. The aim of this study was to develop an algorithm applying in detecting lung nodules on chest radiological image, and mark possible region of suspicious nodules for doctor''s diagnosis. The detecting method was based on difference image. At first, we selected a threshold for all image and mark all suspicious nodules regions by circularity at difference image. Then, two algorithms were used on the suspicious regions for reducing the number of false positive(FP). A biological information which is determine whether calcification by gray scale and verify whether mediastinum by position was used to reduce the number of FP. If it didn''t show great effect, artificial neural network (ANN) was applied to reduce FP number. The source of our image contained phantom and clinical chest X-ray image. By using of phantom image , the correctness of our algorithm could be evaluated. The algorithm was applied on real clinical patient image to evaluate its clinically practical. Besides, by the aids of clinical doctors, we found that the difference of performance between our system and traditional method could be distinguished. Our system provided the calculation of suspicious area and successfully detect the nodules in phantom. In real image, the sensitivity approaches to 100% for less nodules patients when applied the gray level of 30% in cumulative histogram as a threshold. With the aids of biological information and ANN, the FP number went down from 24.92/per image to 3.06/per image. It satisfied the demand of medical diagnosis. For more nodules image, the sensitivity approached to 0.96667 when applied 32% gray level as a threshold. With the aids of biological information and ANN, the FP number west down from 17.33/per image to 2.00/per image. Comparing with other systems, this system obtained less FP and higher accuracy. Result showed that we can detect nodules in either phantom or real image successfully with less FP number. Besides, our system provides flexible user''s platform. In the future, some functions, such as area and calculation time ,will be improved so that the system can be more clinically practical and achieve the goal of assisting the diagnosis of doctor.

Стилі APA, Harvard, Vancouver, ISO та ін.

Chiang, Kuo-Hsien, and 江國賢. "Computer Aided Detection System of Vertebral Metastasis in Patients of Breast Cancer Using Computed Tomography Images." Thesis, 2011. http://ndltd.ncl.edu.tw/handle/01752974014938908725.

Повний текст джерела

Анотація:

碩士
慈濟大學
醫學資訊學系碩士班
99
Bone metastases are commonly diagnosed in patients with advanced breast cancer, especially in vertebrae. Bone metastases can appear lytic, blastic, or anywhere in a continuum between these extremes. The presence or absence of bone metastases is a critical issue in the initial staging and follow-up of breast cancer because it can directly alter the therapeutic strategy. In this paper, we aim to developing a computer-aided diagnosis system for the detection of metastasis in vertebrae at whole body CT. We developed an automated method to extract ROIs of trabecular centrum from vertebrae. We computed 11 texture features and their inter-slice differences for each ROI. Total 33 features were fed into an MLP neural network to identify whether there is any abnormality in the trabecular centrum. The average accuracy, sensitivity, and specificity were 89.73%, 85.41% and 91.84%, respectively. The FN was substantially decreased from 20.83% to 14.58% when the inter-slice difference features were used.

Стилі APA, Harvard, Vancouver, ISO та ін.

Частини книг з теми "Computer-aided lung cancer detection system"

Bhattacharjee, Ananya, and Swanirbhar Majumder. "Automated Computer-Aided Lung Cancer Detection System." In Advances in Communication, Devices and Networking, 425–33. Singapore: Springer Singapore, 2019. http://dx.doi.org/10.1007/978-981-13-3450-4_46.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Desai, Usha, Sowmya Kamath, Akshaya D. Shetty, and M. Sandeep Prabhu. "Computer-Aided Detection for Early Detection of Lung Cancer Using CT Images." In Intelligent Sustainable Systems, 287–301. Singapore: Springer Singapore, 2021. http://dx.doi.org/10.1007/978-981-16-2422-3_24.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Tiwari, Laxmikant, Rohit Raja, Vaibhav Sharma, and Rohit Miri. "Fuzzy Inference System for Efficient Lung Cancer Detection." In Computer Vision and Machine Intelligence in Medical Image Analysis, 33–41. Singapore: Springer Singapore, 2019. http://dx.doi.org/10.1007/978-981-13-8798-2_4.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Nishio, Mizuho. "Computer-Aided Diagnosis of Lung Nodules: Systems for Estimation of Lung Cancer Probability and False-Positive Reduction of Lung Nodule Detection." In Lung Imaging and CADx, 107–32. Boca Raton : Taylor & Francis, 2018.: CRC Press, 2019. http://dx.doi.org/10.1201/9780429055959-6.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Nanglia, Pankaj, Sumit Kumar, Davinder Rathi, and Paramjit Singh. "Comparative Investigation of Different Feature Extraction Techniques for Lung Cancer Detection System." In Communications in Computer and Information Science, 296–307. Singapore: Springer Singapore, 2018. http://dx.doi.org/10.1007/978-981-13-3140-4_27.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Alloghani, Mohamed, Thar Baker, Dhiya Al-Jumeily, Abir Hussain, Ahmed J. Aljaaf, and Jamila Mustafina. "Early Detection and Prediction of Lung Cancer using Machine-learning Algorithms Applied on a Secure Healthcare Data-system Architecture." In Machine Learning for Computer and Cyber Security, 233–57. Boca Raton, FL : Taylor & Francis Group, [2019] | “A science publishers book.”: CRC Press, 2019. http://dx.doi.org/10.1201/9780429504044-10.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Suzuki, Kenji. "Computer-Aided Detection of Lung Cancer." In Image-Based Computer-Assisted Radiation Therapy, 9–40. Singapore: Springer Singapore, 2017. http://dx.doi.org/10.1007/978-981-10-2945-5_2.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Yang, Zhou-nan, and Ji-qian Fang. "A Computer-Aided Diagnosis System for Lung Cancer." In Expert Systems and Decision Support in Medicine, 69–73. Berlin, Heidelberg: Springer Berlin Heidelberg, 1988. http://dx.doi.org/10.1007/978-3-642-48706-4_10.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Carrera, Enrique V., and David Ron-Domínguez. "A Computer Aided Diagnosis System for Skin Cancer Detection." In Communications in Computer and Information Science, 553–63. Cham: Springer International Publishing, 2018. http://dx.doi.org/10.1007/978-3-030-05532-5_42.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Ziyad, Shabana R., V. Radha, and V. Thavavel. "Performance Evaluation of Lung Segmentation Techniques in Computer Aided Lung Nodule Detection System." In Futuristic Trends in Networks and Computing Technologies, 619–33. Singapore: Springer Singapore, 2020. http://dx.doi.org/10.1007/978-981-15-4451-4_49.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Тези доповідей конференцій з теми "Computer-aided lung cancer detection system"

Ignatious, Sruthi, and Robin Joseph. "Computer aided lung cancer detection system." In 2015 Global Conference on Communication Technologies (GCCT). IEEE, 2015. http://dx.doi.org/10.1109/gcct.2015.7342723.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Taher, Fatma, Naoufel Werghi, and Hussain Al-Ahmad. "Computer aided diagnosis system for early lung cancer detection." In 2015 International Conference on Systems, Signals and Image Processing (IWSSIP). IEEE, 2015. http://dx.doi.org/10.1109/iwssip.2015.7313923.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Mahesh, Shanthi, Spoorthi Rakesh, and Vidya C. Patil. "Computer aided detection system for lung cancer using computer tomography scans." In INTERNATIONAL CONFERENCE ON ELECTRICAL, ELECTRONICS, MATERIALS AND APPLIED SCIENCE. Author(s), 2018. http://dx.doi.org/10.1063/1.5032063.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Palma, David, Sarah Mattonen, Suresh Senan, Aaron D. Ward, and Salma Dammak. "Early detection of lung cancer recurrence after stereotactic ablative radiation therapy: radiomics system design." In Computer-Aided Diagnosis, edited by Kensaku Mori and Nicholas Petrick. SPIE, 2018. http://dx.doi.org/10.1117/12.2292444.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Azuma, Yuta, Yoshiki Kawata, Noboru Niki, Issei Imoto, Masahiko Kusumoto, Yuji Matsumoto, Takaaki Tsuchida, and Masahiro Kaneko. "Early detection system using low-dose CT lung cancer screening and related SNP information." In Computer-Aided Diagnosis, edited by Karen Drukker and Maciej A. Mazurowski. SPIE, 2021. http://dx.doi.org/10.1117/12.2582092.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Dabade, Snehal, Shubhangi Chaudhari, Sneha Jadhav, and Arjun Nichal. "A review paper on computer aided system for lung cancer detection." In 2017 International Conference on Big Data, IoT and Data Science (BID). IEEE, 2017. http://dx.doi.org/10.1109/bid.2017.8336580.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Chapaliuk, Bohdan, and Yuriy Zaychenko. "Deep Learning Approach in Computer-Aided Detection System for Lung Cancer." In 2018 IEEE First International Conference on System Analysis & Intelligent Computing (SAIC). IEEE, 2018. http://dx.doi.org/10.1109/saic.2018.8516856.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Suzuki, Hideo, Noriko Inaoka, Hirotsugu Takabatake, Masaki Mori, Soichi Sasaoka, Hiroshi Natori, and Akira Suzuki. "Development of a computer-aided detection system for lung cancer diagnosis." In Medical Imaging VI, edited by Murray H. Loew. SPIE, 1992. http://dx.doi.org/10.1117/12.59466.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Sekeroglu, Boran, and Erkan Emirzade. "A computer aided diagnosis system for lung cancer detection using support vector machine." In Third International Workshop on Pattern Recognition, edited by Xudong Jiang, Guojian Chen, and Zhenxiang Chen. SPIE, 2018. http://dx.doi.org/10.1117/12.2502010.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Kubota, Kazuhori, Mitsuru Kubo, Yoshiki Kawata, Noboru Niki, Kenji Eguchi, Hironobu Omatsu, Ryutaro Kakinuma, Masahiro Kaneko, and Noriyuki Moriyama. "Clinical test results of computer-aided detection system for lung cancer using helical CT images." In Medical Imaging 2001, edited by Milan Sonka and Kenneth M. Hanson. SPIE, 2001. http://dx.doi.org/10.1117/12.431083.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Звіти організацій з теми "Computer-aided lung cancer detection system"

Chan, Heang P. Digital Mammography: Development of an Advanced Computer-Aided System for Breast Cancer Detection. Fort Belvoir, VA: Defense Technical Information Center, May 2004. http://dx.doi.org/10.21236/ada425978.

Повний текст джерела

Стилі APA, Harvard, Vancouver, ISO та ін.

Ми пропонуємо знижки на всі преміум-плани для авторів, чиї праці увійшли до тематичних добірок літератури. Зв'яжіться з нами, щоб отримати унікальний промокод!