[논문 리뷰] Early Detection of Breast Cancer using SVM Classifier Technique

Y. Ireaneus Anna Rejani, S. Thamarai Selvi|ArXiv.org|2009. 12. 11.

AI in cancer detection참고 문헌 5인용 수 51

한 줄 요약

이 논문은 유방 조영 사진에 대한 지지 벡터 기반 분류기(SVM)를 사용한 조기 유방암 진단을 위한 기계 학습 접근법을 제안한다. 필터링, 토포-햇 변환, 이산 웨이블릿 변환(DWT)을 통해 영상 품질을 향상시키고, 임계치 기반 분할 기법을 사용해 의심스러운 영역을 추출하며, 특징을 추출하고 SVM로 분류함으로써 미니-MIAS 데이터셋에서 88.75%의 민감도를 달성한다.

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%.

연구 동기 및 목표

• 유방 조영 사진에서 저대비 영역인 종양 부위의 시각화를 향상시켜 조기 유방암을 보다 효과적으로 진단하고자 한다.
• 유방 조영 사진의 의심스러운 종양 영역을 식별하기 위한 강력한 분할 방법을 개발하고자 한다.
• 정확한 분류를 위해 분할된 종양 영역에서 구분 가능한 특징을 추출하고자 한다.
• SVM 분류기의 양성 및 악성 영역을 구분하는 성능을 평가하고자 한다.
• 공개된 유방 조영 사진 데이터베이스인 미니-MIAS에서 제안된 시스템의 유효성을 검증하고자 한다.

제안 방법

• 저대비 영역의 대비와 가시성을 향상시키기 위해 필터링, 토포-햇 변환, 이산 웨이블릿 변환(DWT)을 활용한 영상 향상 기법을 적용한다.
• 더 나은 시각화를 위해 의심스러운 영역을 더 선명하게 보이기 위해 대trast 스트레칭을 적용한다.
• 향상된 유방 조영 사진에 대해 임계치 기반 분할 기법을 사용해 종양 영역을 분할한다.
• 분할된 종양 영역에서 텍스처 및 형태 특성을 나타내는 관련 특징을 추출한다.
• 추출된 특징에 기반해 지지 벡터 기반 분류기(SVM)를 사용해 분할된 영역을 분류한다.
• 민감도를 주요 평가 지표로 사용해 미니-MIAS 데이터베이스의 75장의 유방 조영 사진을 대상으로 시스템 성능을 평가한다.

실험 결과

연구 질문

• RQ1 영상 향상 기법이 유방 조영 사진에서 저대비 종양 영역의 가시성을 효과적으로 향상시킬 수 있는가?
• RQ2 임계치 기반 분할 기법이 유방 조영 사진에서 의심스러운 종양 영역을 얼마나 정확하게 식별할 수 있는가?
• RQ3 유방 조영 사진에서 악성과 양성 종양 영역을 가장 잘 구분하는 특징는 무엇인가?
• RQ4 SVM 모델의 분류 성능는 분할된 종양 특징에서 유방암을 탐지하는 데 얼마나 효과적인가?
• RQ5 제안된 파이프라인은 실제 데이터셋에서 조기 유방암 진단에서 높은 민감도를 달성할 수 있는가?

주요 결과

• 필터링, 토포-햇 연산, DWT, 대비 스트레칭을 포함한 제안된 영상 향상 파이프라인은 저대비 종양 영역의 가시성을 뚜렷이 향상시켰다.
• 임계치 기반 분할 기법은 향상된 유방 조영 사진에서 배경으로부터 의심스러운 종양 영역을 효과적으로 분리했다.
• 특징 추출 과정은 분류를 위해 유의미한 특징을 성공적으로 캡처했다.
• SVM 분류기는 미니-MIAS 데이터셋에서 양성 종양을 탐지하는 데 88.75%의 민감도를 달성했다.
• 다양한 75장의 유방 조영 사진에서 높은 성능을 보이며 임상 적용 가능성을 시사했다.
• 영상 전처리, 분할, 특징 추출, SVM 분류의 통합은 강력하고 정확한 진단 파이프라인을 제공했다.