本周出版:秒。 khazendar,H。 AL-阿萨姆,小时。杜,S。贾西姆等。

4 2015年5月

Khazendar, S., A. Sayasneh, H. Al-Assam, H. Du, J. Kaijser, L. Ferrara, D. Timmerman, S. Jassim & T. Bourne, “Automated characterisation of ultrasound images of ovarian tumours: the diagnostic accuracy of a support vector machine and image processing with a local binary pattern operator”, 事实,观点和看法在妇产科 7.1(2015年3月),7-15

卵巢癌是女性第四最严重的癌症。卵巢肿块术前定性为良性或恶性是至关重要的,以防止早期检测和不必要的活检操作错失机会优化病人护理和管理。在这项研究中,我们开发和证实了计算机模型来表征卵巢肿块为良性或基于对卵巢阴道2D静态超声图像恶性肿瘤。使用图像处理技术来增强和去噪声第一随后局部二元模式(LBP)纹理从图像中提取的图像,我们培养了支持向量机(SVM)与来自训练集所提取的特征。我们有187个卵巢肿块图像测试我们的分类方法,测试结果表明,0.77(95%CI:0.75-0.79)的平均准确度的一个令人鼓舞的水平,表明SVM与LBP纹理特征的承诺。

这项研究是与癌症和手术,夏洛特女王和切尔西医院,伦敦帝国学院(英国)和发育与再生的部门部门的一个合作项目:妇产科,大学医院鲁汶大学,比利时鲁汶。

阅读关于的全部文章 fvvo网站.

作者四个应用计算的白金汉宫部门的成员: 山khazendar 是一家集科研的学生, 希沙姆人,阿萨姆 是讲师, 宏博杜 是高级讲师, 沙巴贾西姆 是数学和计算的教授。