Spatially localized sparse representations for breast lesion characterization.
Spatially localized sparse representations for breast lesion characterization.
复制标题
用于乳腺病变表征的空间局部稀疏表示。
DOI：
10.1016/j.compbiomed.2020.103914
复制
发表时间：
2020
影响因子：
7.7
通讯作者：
Makrogiannis,Sokratis
中科院分区：
文献类型：
--
作者：
Zheng,Keni;Harris,Chelsea;Bakic,Predrag;Makrogiannis,Sokratis
在过去的十年里，高维空间中样本的稀疏表示引起了人们越来越大的兴趣。在这项工作中，我们发展了一种基于稀疏表示的方法来将乳腺病变的放射成像模式分类为良、恶性状态。方法我们提出了一种空间块分解方法来解决逼近问题的不规则性，并建立了分类器集成(CL)，我们希望得到比传统的整个感兴趣区域(ROI)稀疏分析更准确的数值解。我们介绍了两种基于最大后验概率的分类决策策略(BBMAP-S)和对数似然函数(BBLL-S)。结果为了评估该方法的性能，我们在带有疾病类别标签的成像数据集上使用了交叉验证技术。我们利用所提出的方法在乳房X光照片中将乳腺病变分为良性和恶性两类。这种应用的难度很高，其准确性可能取决于病变的大小。我们的结果表明，综合稀疏分析解决了近似问题的不适定性问题，对于随机30次交叉验证，得到的接收器工作曲线下面积(AUC值)为89.1%。结论此外，我们的比较实验表明，由于BLL-S考虑了可能的估计偏差，BBL-S决策函数可能比BBMAP-S决策函数获得更准确的分类结果。
RationaleThe topic of sparse representation of samples in high dimensional spaces has attracted growing interest during the past decade. In this work, we develop sparse representation-based methods for classification of radiological imaging patterns of breast lesions into benign and malignant states.MethodsWe propose a spatial block decomposition method to address irregularities of the approximation problem and to build an ensemble of classifiers (CL) that we expect to yield more accurate numerical solutions than conventional whole-region of interest (ROI) sparse analyses. We introduce two classification decision strategies based on maximum a posteriori probability (BBMAP-S), or a log likelihood function (BBLL-S).ResultsTo evaluate the performance of the proposed approach we used cross-validation techniques on imaging datasets with disease class labels. We utilized the proposed approach for separation of breast lesions into benign and malignant categories in mammograms. The level of difficulty is high in this application and the accuracy may depend on the lesion size. Our results indicate that the proposed integrative sparse analysis addresses the ill-posedness of the approximation problem, producing AUC (area under the receiver operating curve) value of 89.1% for randomized 30-fold cross-validation.ConclusionsFurthermore, our comparative experiments showed that the BBLL-S decision function may yield more accurate classification than BBMAP-S because BBLL-S accounts for possible estimation bias.
登录
查看更多内容
外科口罩的过滤效率：需要更有意义的标准。
影响因子：
4.9
作者：
W. T. Davis
通讯作者：
W. T. Davis
根据工作场所性能测试为两种呼吸器类型指定防护系数。
影响因子：
--
作者：
S. Lenhart;D. Campbell
通讯作者：
D. Campbell
粒度分级气溶胶发生器
DOI：
--
发表时间：
1990
期刊：
影响因子：
--
作者：
W. Pilacinski;J. Ruuskanen;Chih;M. Pan;K. Willeke
通讯作者：
K. Willeke
半面罩呼吸器针对现场苯乙烯暴露提供的保护存在差异。
DOI：
--
发表时间：
1990
期刊：
American Industrial Hygiene Association Journal
影响因子：
--
作者：
K. Galvin;S. Selvin;R. Spear
通讯作者：
R. Spear
口罩：哪些、何时、何地以及为什么？
影响因子：
6.9
作者：
K. Rogers
通讯作者：
K. Rogers