LBP、HOG、およびGLCM技術による乳がんのテクスチャー解析

要旨 乳がんは主要な死因の一つであり、世界中の女性に一般的な腫瘍の一種です。現在まで、乳腫瘍の発生を防ぐための効率的な方法は存在していません。そのため、早期発見は乳腫瘍の診断における最初のステージであり、死亡率を低下させます。スクリーニングマンモグラフィは、乳腫瘍の早期発見に最も効果的な技術です。マンモグラムで乳組織を検査する際には、専門家の豊富な経験と大規模な実践が求められます。本研究では、乳腫瘍の診断において発生する偽陽性を減少させる方法として特徴抽出技術が提案されています。これらのアプローチを評価するためにMini-MIASデータベースが使用されました。LBP、HOG、およびGLCMは、マス組織を分析し、ROIから特徴を抽出するために使用される特徴抽出技術です。コントラスト、エネルギー、相関、均一性が特徴のプロパティとして使用されます。これらの特徴は、最良の結果を達成したさまざまな分類器への入力として使用されました。診断能力を向上させるために、「コントラスト制限適応ヒストグラム均等化」が前処理システムとして利用されました。本研究で得られた最良の結果は、ROI（30×30）のLBP法とロジスティック回帰分類器によるもので、精度は92.5%です。HOG法は、ROI（30×30）で精度90%のSVM分類器を用いた最良の結果を達成しました。GLCMは、ROI（30×30）で精度89.3%のKNN分類器を用いた最良の結果を提供しました。本研究で使用されたすべての特徴抽出方法において、ROI（30×30）の場合に最も高い精度が達成されました。