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.
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.
The identification and interpretation of the signs of breast cancer in mammographic images from screening programs can be very difficult due to the subtle and diversified appearance of breast disease. This book presents new image processing and pattern recognition techniques for computer-aided detection and diagnosis of breast cancer in its various forms. The main goals are: (1) the identification of bilateral asymmetry as an early sign of breast disease which is not detectable by other existing approaches; and (2) the detection and classification of masses and regions of architectural distortion, as benign lesions or malignant tumors, in a unified framework that does not require accurate extraction of the contours of the lesions. The innovative aspects of the work include the design and validation of landmarking algorithms, automatic Tabár masking procedures, and various feature descriptors for quantification of similarity and for contour independent classification of mammographic lesions. Characterization of breast tissue patterns is achieved by means of multidirectional Gabor filters. For the classification tasks, pattern recognition strategies, including Fisher linear discriminant analysis, Bayesian classifiers, support vector machines, and neural networks are applied using automatic selection of features and cross-validation techniques. Computer-aided detection of bilateral asymmetry resulted in accuracy up to 0.94, with sensitivity and specificity of 1 and 0.88, respectively. Computer-aided diagnosis of automatically detected lesions provided sensitivity of detection of malignant tumors in the range of [0.70, 0.81] at a range of falsely detected tumors of [0.82, 3.47] per image. The techniques presented in this work are effective in detecting and characterizing various mammographic signs of breast disease.