Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Gestion des cookies
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Vous voulez être sûr que vos cadeaux seront sous le sapin de Noël à temps? Nos magasins vous accueillent à bras ouverts. La plupart de nos magasins sont ouverts également les dimanches, vous pouvez vérifier les heures d'ouvertures sur notre site.
Retrait gratuit dans votre magasin Club
7.000.000 titres dans notre catalogue
Payer en toute sécurité
Toujours un magasin près de chez vous
Vous voulez être sûr que vos cadeaux seront sous le sapin de Noël à temps? Nos magasins vous accueillent à bras ouverts. La plupart de nos magasins sont ouverts également les dimanches, vous pouvez vérifier les heures d'ouvertures sur notre site.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
Architectural distortion is an important and early sign of breast cancer, but because of its subtlety, it is a common cause of false-negative findings on screening mammograms. Screening mammograms obtained prior to the detection of cancer could contain subtle signs of early stages of breast cancer, in particular, architectural distortion. This book presents image processing and pattern recognition techniques to detect architectural distortion in prior mammograms of interval-cancer cases. The methods are based upon Gabor filters, phase portrait analysis, procedures for the analysis of the angular spread of power, fractal analysis, Laws' texture energy measures derived from geometrically transformed regions of interest (ROIs), and Haralick's texture features. With Gabor filters and phase-portrait analysis, 4,224 ROIs were automatically obtained from 106 prior mammograms of 56 interval-cancer cases, including 301 true-positive ROIs related to architectural distortion, and from 52 mammograms of 13 normal cases. For each ROI, the fractal dimension, the entropy of the angular spread of power, 10 Laws' texture energy measures, and Haralick's 14 texture features were computed. The areas under the receiver operating characteristic (ROC) curves obtained using the features selected by stepwise logistic regression and the leave-one-image-out method are 0.77 with the Bayesian classifier, 0.76 with Fisher linear discriminant analysis, and 0.79 with a neural network classifier. Free-response ROC analysis indicated sensitivities of 0.80 and 0.90 at 5.7 and 8.8 false positives (FPs) per image, respectively, with the Bayesian classifier and the leave-one-image-out method. The present study has demonstrated the ability to detect early signs of breast cancer 15 months ahead of the time of clinical diagnosis, on the average, for interval-cancer cases, with a sensitivity of 0.8 at 5.7 FP/image. The presented computer-aided detection techniques, dedicated to accurate detection and localization of architectural distortion, could lead to efficient detection of early and subtle signs of breast cancer at pre-mass-formation stages. Table of Contents: Introduction / Detection of Early Signs of Breast Cancer / Detection and Analysis of Oriented Patterns / Detection of Potential Sites of Architectural Distortion / Experimental Set Up and Datasets / Feature Selection and Pattern Classification / Analysis of Oriented Patterns Related to Architectural Distortion / Detection of Architectural Distortion in Prior Mammograms / Concluding Remarks