สืบค้นงานวิจัย
การแยกประเภทของก้อนเนื้อในภาพแมมโมแกรมโดยการใช้โมเดลเส้นรูปร่างไวงานและคุณลักษณะเด่นทางรูปร่าง
Ouychai Intharasombat - มหาวิทยาลัยมหิดล
ชื่อเรื่อง: การแยกประเภทของก้อนเนื้อในภาพแมมโมแกรมโดยการใช้โมเดลเส้นรูปร่างไวงานและคุณลักษณะเด่นทางรูปร่าง
ชื่อเรื่อง (EN): Mammographic masses classification using active contour models and shape features
ผู้แต่ง / หัวหน้าโครงการ (EN): Ouychai Intharasombat
บทคัดย่อ: มะเร็งเต้านมอกเป็นสาเหตุหลักในการเสียชีวิตของผู้หญิงทั่วโลก ในประเทศไทยจำนวนผู้ป่วย เป็นมะเร็งเต้านมคิดเป็นร้อยละ 16.3 จากจำนวนผู้ป่วยโรคมะเร็งทั้งหมด และเป็นสาเหตุของการเสียชีวิตมาก สาเหตุหนึ่ง ทำให้มีการตื่นตัวในการตรวจหาและทำการรักษาก่อนที่จะมีการแพร่กระจายของโรคออกไป เพื่อให้ได้ผลการรักษาที่ดีขึ้น ได้มีการพัฒนาวิธีการตรวจ ห้องปฏิบัติการ รวมทั้งเครื่องมือต่าง ๆ กอปรกับ ความรู้ด้านพยาธิวิทยาเพิ่มมากขึ้น ทำให้แนวโน้มในการดูแลรักษาปัญหาของมะเร็งเต้านมในปัจจุบัน เปลี่ยนแปลงไปพอสมควร เพื่อสามารถให้คำแนะนำหรือเลือกใช้เครื่องมือในการตรวจรักษาได้อย่างถูกต้อง ตามหลักวิชาการ และมีความคุ้มค่าสูงสุด Computer-aided detection / diagnosis (CAD) ถูกนำมาพัฒนาเพื่อเป็นอีกทางเลือกหนึ่งสำหรับ การวินิจฉัยของรังสีแพทย์โดยจะทำการตรวจหาและวินิจฉัยภาพ mammogram เบื้องต้นก่อนที่จะให้รังสี แพทย์ทำการวินิจฉัยขั้นสุดท้าย โดยงานวิจัยด้าน CAD จะมีอยู่ 2 ลักษณะคือแบบที่หนึ่งตรวจหาและวินิจฉัย จากปริมาณแคลเซี่ยมที่เกิดขึ้น (calcification) และแบบที่สองตรวจจากส่วนที่เป็นก้อนเนื้องอก (mass) ใน งานวิจัยนี้มุ่งพัฒนาการวินิจฉัยจากก้อนเนื้องอก โดยอาศัยคุณลักษณะเด่นทางรูปร่าง (shape features) มาใช้ ในการจำแนก งานวิจัยนี้แบ่งเป็น 3 ขั้นตอน (1) เตรียมการประมวลผล (Preprocessing) เป็นขั้นตอนในการ เตรียมภาพที่นำมาใช้ในการทดลอง (2) การตัดก้อนเนื้อ (mass segmentation) ขั้นตอนนี้จะเป็นการตัดเอา เฉพาะส่วนที่เป็นเนื้องอกเท่านั้นโดยใช้อัลกอริธึมที่เรียกว่าโมเดลเส้นรูปร่างไวงาน (Active Contour Models) และ (3) การจำแนก (classification) ทำการจำแนกเนื้องอกออกเป็นกลุ่มตามการทดลองด้วย วิธีการวิเคราะห์จำแนกแบบเชิงเส้นของฟิชเชอร์ โดยอาศัยคุณลักษณะเด่นทางรูปร่าง 5 อย่าง ได้แก่ พื้นที่ (area), เส้นรอบวง(perimeter), compactness, รัศมี (radius) และ Fourier Descriptor (FD) ในการทดลองเราใช้ภาพ mammogram ที่ได้จาก MIAS จำนวน 40 ภาพ เมื่อใช้ class ในการ จำแนกจะได้ภาพที่เป็น circumscribed จำนวน 21 ภาพ และ speculated จำนวน 19 ภาพ และถ้าจำแนกตาม ความรุนแรง (severity) จะได้ภาพที่เป็นเนื้องอกธรรมดา (benign) จำนวน 28 ภาพและที่เป็นเนื้องอกร้ายแรง (malignant) จำนวน 12 ภาพ แบ่งการทดลองออกเป็น 2 การทดลอง โดยใช้คุณลักษณะเด่นทางรูปร่าง 5 อย่าง (area, perimeter, compactness, radius, FD) การทดลองแรกใช้ class ในการจำแนก ผลการทดลอง สามารถจำแนกได้ถูกต้อง 90% เปรียบเทียบกับงานวิจัยของ Rangayyan ที่ใช้ 4 features (FD, moment, compactness, chord length) ซึ่งสามารถจำแนกได้ 82.5% การทดลองที่สองจำแนกตามความรุนแรงผล การทดลองปรากฏว่าจำแนกได้ถูกต้อง 72.5% ส่วนงานวิจัยที่นำมาเปรียบเทียบสามารถจำแนกได้ 52.5%
บทคัดย่อ (EN): s method, which provided 52.5% accuracy rate.
บทคัดย่อ: ไม่พบข้อมูลจากหน่วยงานต้นทาง
ภาษา (EN): th
เอกสารแนบ: http://dcms.thailis.or.th/dcms/dccheck.php?Int_code=126&RecId=956&obj_id=1375
เผยแพร่โดย: มหาวิทยาลัยมหิดล
คำสำคัญ (EN): Lenear programming
เจ้าของลิขสิทธิ์: มหาวิทยาลัยมหิดล
รายละเอียด: มะเร็งเต้านมอกเป็นสาเหตุหลักในการเสียชีวิตของผู้หญิงทั่วโลก ในประเทศไทยจำนวนผู้ป่วย เป็นมะเร็งเต้านมคิดเป็นร้อยละ 16.3 จากจำนวนผู้ป่วยโรคมะเร็งทั้งหมด และเป็นสาเหตุของการเสียชีวิตมาก สาเหตุหนึ่ง ทำให้มีการตื่นตัวในการตรวจหาและทำการรักษาก่อนที่จะมีการแพร่กระจายของโรคออกไป เพื่อให้ได้ผลการรักษาที่ดีขึ้น ได้มีการพัฒนาวิธีการตรวจ ห้องปฏิบัติการ รวมทั้งเครื่องมือต่าง ๆ กอปรกับ ความรู้ด้านพยาธิวิทยาเพิ่มมากขึ้น ทำให้แนวโน้มในการดูแลรักษาปัญหาของมะเร็งเต้านมในปัจจุบัน เปลี่ยนแปลงไปพอสมควร เพื่อสามารถให้คำแนะนำหรือเลือกใช้เครื่องมือในการตรวจรักษาได้อย่างถูกต้อง ตามหลักวิชาการ และมีความคุ้มค่าสูงสุด Computer-aided detection / diagnosis (CAD) ถูกนำมาพัฒนาเพื่อเป็นอีกทางเลือกหนึ่งสำหรับ การวินิจฉัยของรังสีแพทย์โดยจะทำการตรวจหาและวินิจฉัยภาพ mammogram เบื้องต้นก่อนที่จะให้รังสี แพทย์ทำการวินิจฉัยขั้นสุดท้าย โดยงานวิจัยด้าน CAD จะมีอยู่ 2 ลักษณะคือแบบที่หนึ่งตรวจหาและวินิจฉัย จากปริมาณแคลเซี่ยมที่เกิดขึ้น (calcification) และแบบที่สองตรวจจากส่วนที่เป็นก้อนเนื้องอก (mass) ใน งานวิจัยนี้มุ่งพัฒนาการวินิจฉัยจากก้อนเนื้องอก โดยอาศัยคุณลักษณะเด่นทางรูปร่าง (shape features) มาใช้ ในการจำแนก งานวิจัยนี้แบ่งเป็น 3 ขั้นตอน (1) เตรียมการประมวลผล (Preprocessing) เป็นขั้นตอนในการ เตรียมภาพที่นำมาใช้ในการทดลอง (2) การตัดก้อนเนื้อ (mass segmentation) ขั้นตอนนี้จะเป็นการตัดเอา เฉพาะส่วนที่เป็นเนื้องอกเท่านั้นโดยใช้อัลกอริธึมที่เรียกว่าโมเดลเส้นรูปร่างไวงาน (Active Contour Models) และ (3) การจำแนก (classification) ทำการจำแนกเนื้องอกออกเป็นกลุ่มตามการทดลองด้วย วิธีการวิเคราะห์จำแนกแบบเชิงเส้นของฟิชเชอร์ โดยอาศัยคุณลักษณะเด่นทางรูปร่าง 5 อย่าง ได้แก่ พื้นที่ (area), เส้นรอบวง(perimeter), compactness, รัศมี (radius) และ Fourier Descriptor (FD) ในการทดลองเราใช้ภาพ mammogram ที่ได้จาก MIAS จำนวน 40 ภาพ เมื่อใช้ class ในการ จำแนกจะได้ภาพที่เป็น circumscribed จำนวน 21 ภาพ และ speculated จำนวน 19 ภาพ และถ้าจำแนกตาม ความรุนแรง (severity) จะได้ภาพที่เป็นเนื้องอกธรรมดา (benign) จำนวน 28 ภาพและที่เป็นเนื้องอกร้ายแรง (malignant) จำนวน 12 ภาพ แบ่งการทดลองออกเป็น 2 การทดลอง โดยใช้คุณลักษณะเด่นทางรูปร่าง 5 อย่าง (area, perimeter, compactness, radius, FD) การทดลองแรกใช้ class ในการจำแนก ผลการทดลอง สามารถจำแนกได้ถูกต้อง 90% เปรียบเทียบกับงานวิจัยของ Rangayyan ที่ใช้ 4 features (FD, moment, compactness, chord length) ซึ่งสามารถจำแนกได้ 82.5% การทดลองที่สองจำแนกตามความรุนแรงผล การทดลองปรากฏว่าจำแนกได้ถูกต้อง 72.5% ส่วนงานวิจัยที่นำมาเปรียบเทียบสามารถจำแนกได้ 52.5%
หากไม่พบเอกสารฉบับเต็ม (Full Text) โปรดติดต่อหน่วยงานเจ้าของข้อมูล

การอ้างอิง

Ouychai Intharasombat. "การแยกประเภทของก้อนเนื้อในภาพแมมโมแกรมโดยการใช้โมเดลเส้นรูปร่างไวงานและคุณลักษณะเด่นทางรูปร่างMammographic masses classification using active contour models and shape features". มหาวิทยาลัยมหิดล. 2546

Ouychai Intharasombat. "การแยกประเภทของก้อนเนื้อในภาพแมมโมแกรมโดยการใช้โมเดลเส้นรูปร่างไวงานและคุณลักษณะเด่นทางรูปร่างMammographic masses classification using active contour models and shape features". มหาวิทยาลัยมหิดล. 2546. Print.



TARR Wordcloud:
การแยกประเภทของก้อนเนื้อในภาพแมมโมแกรมโดยการใช้โมเดลเส้นรูปร่างไวงานและคุณลักษณะเด่นทางรูปร่าง
Ouychai Intharasombat
มหาวิทยาลัยมหิดล
2546
การตรวจหาและแยกประเภทของกัญชาในงานด้านนิติวิทยาศาสตร์ การพัฒนาโครงข่ายประสาทเทียมเพื่อใช้ในการคัดคุรภาพทางด้านรูปร่างของมะม่วงพันธุ์น้ำดอกไม้ การดัดแปร, การศึกษาคุณลักษณะและการใช้ประโยชน์ของแป้งชนิด การคัดแยกต้นกล้ายางพาราโดยวิธีการประมวลผลภาพ การแยกเวย์โปรตีนจากน้ำเวย์โดยใช้เทคนิคการสร้างฟองแบบต่อเนื่อง การผลิตก๊าซชีวภาพจากเศษผักและผลไม้ผสมกับมูลโคโดยการใช้ถังย่อยสลายแบบไม่ใช้อากาศประเภทปริมาณของแข็งต่ำ สภาพภาพของฟาร์มเลี้ยงไก่เนื้อและข้อเสนอแนะของผู้ประกอบการตามมาตรฐานฟาร์มไก่เนื้อ : กรณีศึกษาฟาร์มไก่เนื้ออำเภอวังจันทร์และอำเภอแกลง จังหวัดระยอง ความชุกของ Listeria monocytogenes ในเนื้อและ ผลิตภัณฑ์เนื้อบางพื้นที่ของจังหวัดเชียงใหม่ การวิเคราะห์การใช้สารเคมีในกระบวนการผลิตลำไยโดยเทคนิคการประมวลผลภาพ การใช้เชื้อรา Beauveria bassiana เพื่อควบคุมเห็บในโคเนื้อลูกผสม
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