서지주요정보
A microcalcification detection using multiple support vector machines in digital mammogram = Multiple support vector machines을 이용한 미세석회화 검출
서명 / 저자 A microcalcification detection using multiple support vector machines in digital mammogram = Multiple support vector machines을 이용한 미세석회화 검출 / Ju-Won Kwon.
저자명 Kwon, Ju-Won ; 권주원
발행사항 [대전 : 한국정보통신대학교, 2006].
Online Access 원문보기 원문인쇄

소장정보

등록번호

DM0000780

소장위치/청구기호

문지도서관2층 학위논문

ICU/MS06-77 2006

SMS전송 소장위치

도서상태

이용가능

대출가능

반납예정일

초록정보

A computer-aided diagnosis (CAD) system has been examined to reduce the effort of a radiologist. In the mammogram, it is helpful to improve the diagnostic accuracy of malignant microcalcifications in an early stage of detecting breast cancer. In this paper, we propose the algorithm using multi-layer Support Vector Machine (SVM) classifier to discriminate whether microcalcifications are malignant or benign tumors. SVM is a technique that is easier than the artificial neural networks (ANN) to use. Moreover, it can obtain good performance even though using a small number of training data sets. The proposed method to detect microcalcifications is composed of two-layer detection steps each of which uses SVM classifier. The first step is coarse detection. It can find out pixels of the regions considered as microcalcifications. Then, ROI (region of interest) is generated based on microcalcification characteristics. The next step is fine detection step to determine whether the found ROIs are microcalcifications or not by merging potential regions using ROI obtained from the former step and SVM classifier. The proposed method is specified on Korean mammogram database. The experimental result of the proposed algorithm is more robust in detecting microcalcifications compared with the previous method using ANN as classifier.

현재 유방암은 전 세계적으로 증가하고 있는 여성 암 사망률을 높이는 요인 중 하나이다. 이러한 유방암의 위험성을 줄일 수 있는 치료방법은 오랜 기간 연구 되어왔다. 그 중 유방촬영술인 마모그래피에 관한 연구는 유방암 조기진단을 통해 사망률을 낮추는 효과적인 방법으로 사용되고 있다. 특히 컴퓨터를 사용한 자동검진 시스템인 CAD(Computer Aided Diagnosis) 시스템의 개발로 불필요한 검사는 물론, 사람의 주관적 판단에 의한 진단 오류 등을 줄일 수 있다는 관점에서 많은 연구가 진행 중에 있다. CAD 시스템은 대용량의 마모그램에 대하여 영상처리 및 패턴인식 기법을 사용하여 의심영역을 검출한다. 따라서 적절한 분류기의 사용은 가장 중요한 부분이다. 기존에 사용되었던 ANN(Artificial Neural Network)을 이용한 CAD 시스템은 분류기의 특성상 충분한 학습 데이터를 요구함은 물론, 이에 따른 오랜 학습 시간이 소모된다. 또한 미세석회화에 대한 학습 데이터 수집은 정상영역에 비해 상대적으로 어렵기 때문에 문제가 되어왔다. 본 논문에서 제안하는 방법은 이러한 ANN 의 문제점을 보완할 수 있도록 적은 학습데이터를 이용하여 좋은 성능을 얻을 수 있는 Support Vector Machine(SVM)을 분류기로 사용하였다. 제안하는 알고리즘은 여러 개의 SVM 로 구성되어있다. 첫 번째 검출 단계에서는 주변영역에 비해 밝은 화소의 형태로 분포하는 미세석회화의 화소값 특성을 기반으로 입력 영상으로부터 미세석회화로 의심되는 화소들을 검출한다. 이들의 집합으로부터 미세석회화의 크기 기준에 적합한 ROI(Region of Interest)를 구성한다. 이렇게 구성된 ROI 를 이용하여 두 번째 검출 단계에서는 이들의 크기정보에 따른 적응적 특징을 추출하고, 이를 사용하여 의심 영역들을 검출한다. 검출된 의심영역은 작은 영역에 모여서 존재하는 미세석회화의 분포 특성을 기반으로 일정 공간 내의 의심영역들을 그룹핑하고, 이렇게 그룹핑 된 영역에서 미세석회화가 검출된다. 본 논문에서 제안하는 방법은 한국형 마모그램 데이터베이스를 사용하여 이에 적합하도록 구현되었으며, 제안하는 알고리즘의 유용성과 성능은 학습데이터의 양을 조절하며 수행한 비교 실험 결과를 통해서 확인하였다.

서지기타정보

서지기타정보
청구기호 {ICU/MS06-77 2006
형태사항 vii, 44 p. : 삽도 ; 26 cm
언어 영어
일반주기 저자명의 한글표기 : 권주원
지도교수의 영문표기 : Yong-Man Ro
지도교수의 한글표기 : 노용만
학위논문 학위논문(석사) - 한국정보통신대학교 : 공학부,
서지주기 References : p. 38-40
주제 CAD
Mammography
SVM
Microcalcification
컴퓨터영상진다
마모그래피
서포트 벡터 머신
미세석회화
QR CODE qr code