Breast lesion classification by computer and xeroradiograph

Abstract

One hundred and twenty pathologically proven lesions were digitized by computer and recorded on film. Four measures of malignancy, calcification, spiculation, roughness, and area‐to‐perimeter ratio then were mathematically extracted from the digitized xeroradiograph lesions. Using three methods of classification, these were identified by the computer as malignant and benign. Two radiologists then classified the photographed lesions. Comparison of the computer classification and the radiologists' classification using operational characteristic curves showed the computer to perform as well as an expert radiologist.

Development of an Automated Roughness Estimation Algorithm for Sidescan Imagery

“…In 1967, the difficulty of viewing and analyzing large amounts of data in screening mammograms was recognized, and computer-aided image analysis algorithms were suggested [3]. There were also early attempts to identify lesions such as malignant tumors using detection algorithms [4].…”

Contribución a la detección y análisis de microcalcificaciones en mamografías mediante tratamiento digital de imagen.

“…Respecto a los trabajos previos al FIWDM dirigidos hacia la detecci on y an alisis de masas o tumores 2,108,69,13,73,137,62], el promedio alcanzado en la detecci on es del 90%, pero al igual que en microcalci caciones todav a es necesario reducir el n umero de falsos positivos y contrastar los resultados con bases de datos mucho m as extensas de las utilizadas en las publicaciones. En las masas presentes en mamograf a la taxonom a que se puede realizar consiste en dos clases, las bien de nidas 13, 69] y las mal de nidas 62].…”

“…Neto et al 31] implementan su trabajo con Morfolog a Matem atica, concretamente con la herramienta l nea divisoria de aguas 2 . Justi ca su elecci on en que es una herramienta potente de segmentaci on que no necesita de ajustes o par ametros heur sticos.…”

“…Seleccionar una \temperatura" inicial T o , y aleatoriamente elegir un valor inicial x o para x. 2. Comienzan las iteraciones.…”

“…Para adquirir la imagen completa es su ciente con desplazar el sensor en la direcci on perpendicular al mismo. En ambos casos la luz al atravesar un determinado punto de la mamograf a sufre una atenuaci on que es medida a trav es de la transmitancia T: T = I 2 I 1 (1.1) donde I 1 es la luz incidente, que debe ser conocida, e I 2 es la luz que atraviesa la mamograf a y es medida por el sensor. Como el margen din amico es muy grande se utiliza la densidad optica D de nida como: D = ?…”