Etkileşimli öğrenme ile akciğer tomografi hacim taramalarında nodül tespiti
Yükleniyor...
Dosyalar
Tarih
2016-06-20
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Institute of Electrical and Electronics Engineers Inc.
Erişim Hakkı
info:eu-repo/semantics/closedAccess
Özet
Bu bildiride akciğer BT taramalarında otomatik nodül tespiti yapmak üzere geliştirdigimiz yeni ve özgün bir yöntem sunulmaktadır. Önerdiğimiz yöntem, akciğer organına ve belirli bir nodül tipine bağlı kalmaksızın genelleştirilmiş bir yaklaşım sunmaktadır. Böylelikle akciğer bölütlemesine ihtiyaç duymamaktadır. Düşük doz radyasyonlu ve çeşitli tipte (katı ve kırık cam görünümlü, yüzeye ve damara ilişik) 10 mm’den küçük nodüllerden oluşan zorlu bir tarama kümesinde (Anode09) sınamalar yapılmıştır. Tarama başına ortalama 8 yanlış tespit için nodül tespit duyarlılığı %52’dir. Yarışmada ilk altıya giren algoritmalarla karşılaştırılabilir düzeydedir.
We present a novel method to automatically detect lung nodules in CT lung scans. Our method is generalized in the sense that it does not assume/depend a particular organ or a particular nodule type. hence it does not require an organ segmentation. We test our method in a challenging set (Anode09) that is comprised of low dose CT scans which include all types of nodules (solid, ground glass opacity, juxta-fissural, juxta-vascular) of less than 10mm in size. Our method produces 8 false positives per scan for true positive rate of 52%, which is comparable to the first 6 results from the contest.
We present a novel method to automatically detect lung nodules in CT lung scans. Our method is generalized in the sense that it does not assume/depend a particular organ or a particular nodule type. hence it does not require an organ segmentation. We test our method in a challenging set (Anode09) that is comprised of low dose CT scans which include all types of nodules (solid, ground glass opacity, juxta-fissural, juxta-vascular) of less than 10mm in size. Our method produces 8 false positives per scan for true positive rate of 52%, which is comparable to the first 6 results from the contest.
Açıklama
Anahtar Kelimeler
Akciğer, Bilgisayarlı tomografi, Etkileşimli bölütleme, Nodül tespiti, Biological organs, Biomedical imaging, Computed tomography, Computerised tomography, Computerized tomography, CT lung scan, CT lung volume, False positive, Ground-glass opacity, Histograms, Image databases, Interactive learning, Interactive segmentation, Lung, Lung nodule detection, Lung segmentation, Lungs, Nodule detection, Organ segmentation, Signal processing, Signal detection, Solids, True positive rates
Kaynak
2016 24th Signal Processing and Communication Application Conference, SIU 2016 - Proceedings
WoS Q Değeri
N/A
Scopus Q Değeri
N/A
Cilt
Sayı
Künye
Çam, İ. & Tek, F. B. (2016). Interactive learning based nodule detection in ct lung volumes. Paper presented at the 2016 24th Signal Processing and Communication Application Conference, SIU 2016 - Proceedings, 2021-2024. doi:10.1109/SIU.2016.7496166
