สืบค้นงานวิจัย
การแยกค่าข้อมูลภาพของโรคมะเร็งเต้านมในภาพเอกซเรย์เต้านม
ฐิติพงศ์ แก้วเหล็ก - มหาวิทยาลัยนเรศวร
ชื่อเรื่อง: การแยกค่าข้อมูลภาพของโรคมะเร็งเต้านมในภาพเอกซเรย์เต้านม
ชื่อเรื่อง (EN): The image data classification of breast cancer in mammography
ผู้แต่ง / หัวหน้าโครงการ: ฐิติพงศ์ แก้วเหล็ก
ผู้แต่ง / หัวหน้าโครงการ (EN): Titipong Kaewlek
บทคัดย่อ: งานวิจัยนี้จึงมีวัตถุประสงค์ที่จะศึกษาค่าข้อมูล และหาความแตกต่างของค่าข้อมูลของเนื้อเยื่อเต้านมในภาพเอกซเรย์เต้านม โดยทำการศึกษาค่าข้อมูลภาพจากภาพของผู้ป่วยโรคมะเร็งเต้านม จำนวน 89 กรณี (Mass หรือ Microcalcification) จากฐานข้อมูลออนไลน์ The Mini-MIAS ของ International Congress Series 1069 แล้วทำการวัดค่าข้อมูลทางสถิติ (Skewness, Kurtosis, Standard deviation, Integrated density, Mean, Median) และหาความแตกต่างกันของค่าเฉลี่ยของข้อมูลโดยใช้สถิติ One-Way ANOVA และ Kruskal-Wallis Test สำหรับข้อมูลที่มีการแจกแจงแบบปกติและไม่ปกติ ตามลำดับ ผลการศึกษาพบว่าค่าข้อมูล Integrated density และ Kurtosis สามารถแยก Mass กับ Microcalcification ออกจากกันได้ และค่า Mean สามารถแยกเนื้อเยื่อปกติออกจากรอยโรคได้ดี ผลการทดสอบการใช้งานจริง พบว่าค่า Sensitivity ของ Mass และ Microcalcification เท่ากับ 87.5% และ 88.89% ตามลำดับ และค่า Specificity ของ Fat และ Muscle เท่ากับ 50% และ 100% ตามลำดับ ความแตกต่างกันของค่าข้อมูลของภาพสามารถช่วยในการตรวจวินิจฉัยแยกรอยโรคมะเร็งเต้านมได้ การประเมินประสิทธิภาพของอัลกอริทึมในภาพกลุ่มทดสอบ ผลการศึกษาพบว่าวิธีการแบ่งกลุ่มข้อมูลภาพเป็น 8 กลุ่ม ด้วยเทคนิค Fuzzy C-mean ร่วมกับการทำ Morphology และใช้กระบวนการทางคณิตศาสตร์มีประสิทธิภาพสูงสุดในการตรวจหารอยโรค สำหรับรอยโรค Mass มีค่า Sensitivity และ Accuracy เท่ากับ 80% และ 92.5% ตามลำดับ สำหรับรอยโรค Microcalcification มีค่า Sensitivity และ Accuracy เท่ากับ 60% และ 85% ตามลำดับ และค่า Specificity ของงานวิจัยนี้ เท่ากับ 100% อัลกอริทึมนี้สามารถช่วยแพทย์ในการตรวจหารอยโรค Mass และรอยโรค Microcalcification บนภาพเอกซเรย์เต้านมแบบดิจิทัล
บทคัดย่อ (EN): The aims of this study is to determine the information and the difference of the breast tissue data in mammography. The eighty-nine breast cancer cases with a lesions type (mass or microcalcification) from the online database: The Mini-MIAS the International Congress Series 1069 were studied. The statistical data (skewness, kurtosis, standard deviation, integrated density, mean, median) were measured. The mean different of image data was analyze by using One-Way ANOVA and Kruskal-Wallis Test for normal and non-normal distribution, respectively. Results show that the integrated density and the kurtosis could separate the mass from microcalcifications. The mean could separate normal tissue from the lesions as well. Sensitivity of mass and microcalcifications were 87.5% and 88.89%, respectively. Specificity of fat and muscle were 50% and 100%, respectively. The difference of the image data could help to diagnosis of the breast lesions. The algorithm was evaluated effective in the test set images. The results show that the segmented image into eight groups and the use of the image morphology with the mathematical logic is the most effective algorithms for detect lesion. The sensitivity and accuracy were 80% and 92.5% for mass. The sensitivity and accuracy were 60% and 85% for microcalcification. The specificity of this study was 100%. The algorithm can help radiologist to detect the mass lesion and microcalcification lesion in the digital mammography.
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เผยแพร่โดย: มหาวิทยาลัยนเรศวร
คำสำคัญ: การพัฒนาอัลกอริทึม
คำสำคัญ (EN): Algorithm Development
เจ้าของลิขสิทธิ์: มหาวิทยาลัยนเรศวร
รายละเอียด: 1) เพื่อศึกษาค่าข้อมูลภาพของโรคมะเร็งเต้านม ชนิดต่างๆ เช่น Mass, Cyst และ Microcalcification 2) เพื่อหาความแตกต่างของค่าข้อมูลภาพกับชนิดของรอยโรคในการถ่ายภาพเอกซเรย์เต้านมที่ต่างชนิดกัน 3) เพื่อนำข้อมูลค่าข้อมูลภาพไปเป็นข้อมูลในการพัฒนาอัลกอริทึมที่ใช้ในการพัฒนาโปรแกรมช่วยวินิจฉัยรอยโรค 4) เพื่อให้ได้ข้อมูลในการช่วยพยากรณ์ชนิดของโรคมะเร็งเต้านมที่อาจจะไม่ต้องเจาะชิ้นเนื้อมาตรวจสอบ
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

ฐิติพงศ์ แก้วเหล็ก. "การแยกค่าข้อมูลภาพของโรคมะเร็งเต้านมในภาพเอกซเรย์เต้านมThe image data classification of breast cancer in mammography". มหาวิทยาลัยนเรศวร. 2559

ฐิติพงศ์ แก้วเหล็ก. "การแยกค่าข้อมูลภาพของโรคมะเร็งเต้านมในภาพเอกซเรย์เต้านมThe image data classification of breast cancer in mammography". มหาวิทยาลัยนเรศวร. 2559. Print.



TARR Wordcloud:
การแยกค่าข้อมูลภาพของโรคมะเร็งเต้านมในภาพเอกซเรย์เต้านม
ฐิติพงศ์ แก้วเหล็ก
มหาวิทยาลัยนเรศวร
30 กันยายน 2559
ประสิทธิผลของโปรแกรมส่งเสริมการตรวจเต้านมด้วยตนเองเพื่อเฝ้าระวังการเกิดมะเร็งเต้านมในสตรีกลุ่มเสี่ยง อำเภอวชิรบารมี จังหวัดพิจิตร สื่อจำลองภาพเคลื่อนไหวของการตรวจเอกซเรย์เต้านม การศึกษาผลของสารสกัดจากเห็ดในการต้านเซลล์มะเร็ง เทคนิคการควบคุมโรคเต้านมอักเสบของเกษตรกรในจังหวัดเชียงใหม่ โซลาร์-1: การศึกษาวิจัยระยะที่สาม แบบสุ่ม ปกปิดการรักษาทั้งสองฝ่าย ควบคุมด้วยยาหลอกของยาอัลเพลิสิบในการให้ร่วมกับยาฟุลเวสแตรนท์ สำหรับผู้ชายและผู้หญิงวัยหลังหมดประจำเดือนที่เป็นโรคมะเร็งเต้านมระยะลุกล การวิเคราะห์สารออกฤทธิ์จากพืชเพื่อควบคุมเชื้อแบคทีเรียก่อโรคเต้านมอักเสบ การศึกษาความเป็นไปได้ของการใช้แบคเทอริโอซินในโคนมเพื่อลดปัญหาโรคเต้านมอักเสบ บทบาทของการซูโมเลชั่นของโปรตีนแอลเอของมนุษย์ต่อกระบวนการเกิดมะเร็ง โดยใช้เซลล์ HeLa เป็นแม่แบบ ผลของการเสริมไลซีนและวาลีนในอาหารแม่สุกรกำลังให้นม วิจัยและพัฒนายาต้านมะเร็งจากบวบขม
คัดลอก URL
กระทู้ของฉัน
ผลการสืบค้นทั้งหมด โพสต์     เรียงลำดับจาก
พัฒนาระบบโดยศูนย์ความรู้เฉพาะด้านวิศวกรรมความรู้และวิศวกรรมภาษาDeveloped by Center of Excellence for Unified Knowledge and Language Engineering
สนับสนุนโดยสำนักงานพัฒนาการวิจัยการเกษตร (องค์การมหาชน)Supported by the Agricultural Research Development Agency (Public Organization)
แบบสำรวจความพึงพอใจQuestionair