[論文レビュー] Early Detection of Breast Cancer using SVM Classifier Technique

Y. Ireaneus Anna Rejani, S. Thamarai Selvi|ArXiv.org|Dec 11, 2009

AI in cancer detection参考文献 5被引用数 51

ひとこと要約

本論文は、マミグラム画像を用いた早期乳がん検出のための機械学習的手法を提案している。サポートベクターマシン（SVM）分類器を用い、画像の品質をフィルタリング、トップハット変換、離散ウェーブレット変換（DWT）によって向上させ、しきい値処理を用いて病変領域をセグメンテーションし、特徴量を抽出してSVMで分類することで、ミニ-MIASデータセットで88.75%の感度を達成した。

ABSTRACT

This paper presents a tumor detection algorithm from mammogram. The proposed system focuses on the solution of two problems. One is how to detect tumors as suspicious regions with a very weak contrast to their background and another is how to extract features which categorize tumors. The tumor detection method follows the scheme of (a) mammogram enhancement. (b) The segmentation of the tumor area. (c) The extraction of features from the segmented tumor area. (d) The use of SVM classifier. The enhancement can be defined as conversion of the image quality to a better and more understandable level. The mammogram enhancement procedure includes filtering, top hat operation, DWT. Then the contrast stretching is used to increase the contrast of the image. The segmentation of mammogram images has been playing an important role to improve the detection and diagnosis of breast cancer. The most common segmentation method used is thresholding. The features are extracted from the segmented breast area. Next stage include, which classifies the regions using the SVM classifier. The method was tested on 75 mammographic images, from the mini-MIAS database. The methodology achieved a sensitivity of 88.75%.

研究の動機と目的

• マミグラム画像における低コントラストの腫瘍領域の可視性を向上させることにより、乳がんの早期発見を改善すること。
• マミグラム画像における懸念を要する腫瘍領域を特定するための頑健なセグメンテーション手法の開発。
• 正確な分類のための、セグメンテーション済み腫瘍領域からの判別特徴量の抽出。
• SVM分類器が悪性と良性の領域を区別する性能の評価。
• 公開利用可能なマミグラム画像データベース（ミニ-MIAS）を用いた、提案手法の妥当性の検証。

提案手法

• 低コントラスト領域の可視性を向上させるために、フィルタリング、トップハット変換、離散ウェーブレット変換（DWT）を用いた画像強調。
• より良い可視化のため、コントラストストレッチを適用して画像品質をさらに向上。
• 強調処理済みマミグラム画像に対してしきい値処理を用いて腫瘍領域をセグメンテーション。
• テクスチャーや形状特性を表現するため、セグメンテーション済み腫瘍領域からの関連特徴量の抽出。
• 抽出された特徴量に基づいてトレーニングされたサポートベクターマシン（SVM）分類器を用いて、セグメンテーション領域を分類。
• 感度を主指標として、ミニ-MIASデータベースの75枚のマミグラム画像を用いてシステムの評価。

実験結果

リサーチクエスチョン

• RQ1 画像強調技術は、マミグラム画像における低コントラスト腫瘍領域の可視性を効果的に向上させることができるか？
• RQ2 しきい値ベースのセグメンテーションは、マミグラム画像における懸念を要する腫瘍領域をどれほど正確に同定できるか？
• RQ3 どの抽出特徴量が、マミグラム画像における悪性と良性の腫瘍領域を最も効果的に区別するか？
• RQ4 SVMモデルの分類性能は、セグメンテーション済み腫瘍特徴量から乳がんを検出する際にどの程度か？
• RQ5 提案されたパイプラインは、実世界のデータセットにおいて早期乳がん検出で高い感度を達成できるか？

主な発見

• フィルタリング、トップハット処理、DWT、コントラストストレッチを含む、提案された画像強調パイプラインは、低コントラスト腫瘍領域の可視性を顕著に向上させた。
• しきい値ベースのセグメンテーションは、強調処理済みマミグラム画像において、背景から懸念を要する腫瘍領域を効果的に分離した。
• 特徴量抽出プロセスは、分類に適した腫瘍領域の判別的特徴を成功裏に捉えた。
• SVM分類器は、ミニ-MIASデータセットにおいて悪性腫瘍の検出で88.75%の感度を達成した。
• 本システムは、多様な75枚のマミグラム画像において優れた性能を示し、臨床応用の可能性を示した。
• 画像前処理、セグメンテーション、特徴量抽出、SVM分類の統合により、頑健で正確な検出パイプラインが得られた。