CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Differentiating between Benign and Malignant non-Mass Enhancing Lesions in Breast DCE-MRI by Using Curvelet-based Textural Features

اعتبار موردنیاز PDF: ۰ | تعداد صفحات: ۱ | تعداد نمایش خلاصه: ۱۹ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: SPIS04_046
زبان مقاله: انگلیسی
نسخه کامل مقاله در کنفرانس ارائه نشده است و در دسترس نیست.

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله منتشر نشده و درپایگاه سیویلیکا موجود نمی باشد.

منبع مقالات سیویلیکا دبیرخانه کنفرانسها و مجلات می باشد. برخی از دبیرخانه ها اقدام به انتشار اصل مقاله نمی نمایند. به منظور تکمیل بانک مقالات موجود، چکیده این مقالات در سایت درج می شوند ولی به دلیل عدم انتشار اصل مقاله، امکان ارائه آن وجود ندارد.

خرید و دانلود فایل PDF مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد

مشخصات نویسندگان مقاله Differentiating between Benign and Malignant non-Mass Enhancing Lesions in Breast DCE-MRI by Using Curvelet-based Textural Features

چکیده مقاله:

Breast DCE-MR imaging plays an important role in effective detection and diagnosis of breast cancer. Non-mass enhancing breast lesions have been less studied in CADx systems because of their challenging intrinsic. In this study, CADx system is proposed for differentiating benign and malignant nonmass enhancing lesions in breast DCE-MRI. Proposed system uses dynamic information of the 4D DCE-MRI data to segment the lesions on the basis of fuzzy clustering algorithm. Curvelet-based textural features are extracted from 3D segmented lesions and classified by SVM classifier. The results achieved the accuracy of 75% and AUC of 0.75 for non-mass enhancing breast lesions which provides comparable results to other recent methods.

کلیدواژه‌ها:

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-SPIS04-SPIS04_046.html
کد COI مقاله: SPIS04_046

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Ayatollahi, Fazael; Parinaz Eskandari & Shahriar B. Shokouhi, ۱۳۹۷, Differentiating between Benign and Malignant non-Mass Enhancing Lesions in Breast DCE-MRI by Using Curvelet-based Textural Features, چهارمین کنفرانس پردازش سیگنال سیستم های هوشمند, تهران, دانشگاه صنعتی امیرکبیر, https://www.civilica.com/Paper-SPIS04-SPIS04_046.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Ayatollahi, Fazael; Parinaz Eskandari & Shahriar B. Shokouhi, ۱۳۹۷)
برای بار دوم به بعد: (Ayatollahi; Eskandari & B. Shokouhi, ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.