MLFFBP-ANNとSVMを用いた集束微小石灰化の分類

分類器は、集束微小石灰化（MCCs）を分類することを目的としたコンピュータ支援診断（CAD）システムの最終段階です。分類器は、MCCsを良性と悪性の二つのクラスに分類します。この分類は、強化されたマンモグラムから抽出された意味のある特徴に基づいて行われます。MCCsを良性または悪性に分類するために、CADシステム用にいくつかの分類器が提案されてきました。最近、研究者たちは多くのアプリケーションの分類器として人工ニューラルネットワーク（ANN）を使用しています。多層フィードフォワードバックプロパゲーション（MLFFB）は、研究者たちによってさまざまな問題を解決するために成功裏に使用されてきた最も重要なANNです。同様に、サポートベクターマシン（SVM）は、最近研究者によってかなりの注目を集めている別のカテゴリの分類器に属します。したがって、MCCs分類問題のためにMLFFBとSVM分類器を探求するために、本論文では、Levenberg-Marquardt多層フィードフォワードバックプロパゲーションANN（LM-MLFFB-ANN）と逐次最小最適化（SMO）に基づくSVM（SMO-SVM）を使用してMCCsを分類します。これにより、LM-MLFFBP-ANNとSMO-SVMの相対的な性能の比較評価が行われ、MCCsを良性または悪性に分類します。この比較評価のために、まずDDSMデータベースのマンモグラム画像から適切な特徴が抽出されます。その後、粒子群最適化（PSO）を使用して適切な特徴が選択されます。最後に、選択された特徴に基づいてLM-MLFFBP-ANNとSMO-SVM分類器を使用してMCCsが分類されます。混同行列とROC分析がLM-MLFFBP-ANNとSMO-SVM分類器の性能を測定するために使用されます。実験結果は、SMO-SVMの性能がLM-MLFFBP-ANNよりも優れていることを示しています。