new approach for breast abnormality detection based on thermography

Abstract

Breast cancer is one of the most common women cancers in the world. In this paper, a new approach based on thermography for the early detection of breast abnormality is proposed. The study involved 80 breast thermograms collected from the PROENG public database which consists of 50 healthy breasts and 30 with some findings. Image processing techniques such as segmentation, texture analysis and mathematical morphology were used to train a support vector machine (SVM) classifier for automatic detection of breast abnormality. After conducting several tests, we obtained very interesting and motivating results. Indeed, our method showed a high performance in terms of sensitivity of 93.3%, a specificity of 90% and an accuracy of 91.25%. The final results let us conclude that infrared thermography with the help of an adequate automatic classification algorithm can be a valuable and reliable complementary tool for radiologist in detecting breast cancer and thereby helping to reduce mortality rates.

Derin Öğrenme Yardımıyla Aktif Termogramlar Üzerinden Meme Lezyonlarının Sınıflandırması

“…Bu Bu çalışmada konu alınan termal görüntüler üzerinden meme kanserinin teşhisini çalışan literatürde farklı çalışmalar mevcuttur [4,26]. Bu çalışmalara bakıldığında sınıflandırma için makine öğrenmesi kullanan araştırmaların görüntünün yapı ve bileşimini ihmal edebildiği, derin öğrenme çalışmalarında ise otomatik özellik çıkarımı yapıldığı için bu sorunun ortadan kalktığı ve görece daha yüksek başarımlara ulaşılabildiği görülmektedir [9].…”

“…Aktif termografi ise görüntülenecek bölgenin bir dış uyaran (ısıtma-soğutma) etkisiyle sıcaklığının değiştirilmesi ve ısınarak ilk sıcaklığa dönülürken belirli aralıklarda görüntülemenin yapılması şeklinde uygulanır [3]. Literatürde bu yöntemlerle toplanan termogramlar üzerinden kanser teşhisini yapay zeka uygulamaları yardımıyla gerçekleştiren birçok çalışma mevcuttur [4,5].…”

“…Karim, et al [4] el yordamıyla yapılan bölütleme işlemlerinin ardından GLCM ile özellik çıkarımı ve DVM ile sınıflandırma yaparak termogramlar üzerinden meme kanseri teşhisi konusunu çalışmışlar ve %91.25 doğruluk, %93.3 duyarlılık ve %90 özgüllük değerlerinin elde edildiğini belirtmişlerdir.…”