MACHINE LEARNING-BASED CLASSIFICATION OF BREAST DENSITIES. Masters thesis, King Fahd University of Petroleum and Minerals.

Preview

PDF Thesis_MR_Abdullah_Hussein_Owaidh.pdf Download (3MB) | Preview

Arabic Abstract

يصف تصنيف كثافة الثدي الاشعاعي كمية الانسجة الموجودة في الثدي. لذا يعتبر الثدي ذا كثافة عالية عندما تكون كمية الانسجة اكثر من الدهون. حيث ان كثافة الثدي تعتبر من العوامل المهمة التي تشير الى احتمالية الاصابة بالسرطان . كما وان هذه الكثافة تعتبر ايضاً عائقا للكشف عن السرطان عند الفحص بالاشعة لكونها تحجب الاشعة وتمنع ظهور السرطان فيها. مع ذلك، اعتماد التشخيص البصري يعتبر اكثر موضوعية وقد تختلف النتائج من شخص لاخر، لهذا عمدت كثير من الدراسات والابحاث الى اتمتت هذه العملية وتصنيف كثافة الثدي تلقائيا. قامت الكلية الامريكية للطب الاشعاعي بتطوير نظاما قياسيا لتصنيف كثافة الثدي يسمى نظام تصوير الثدي التقارير والبيانات BI-RADS يقوم على تصنيف الكثافات الى اربعة مجموعات معتمادا في ذلك على التشخيص البصري لطبيب الاشعة. في هذا العمل، قمنا بتصميم و تطوير نظام ناجح لتصنيف كثافة الثدي الى مجموعتين : دهني و كثيف. واعتمدنا خمس سمات او خصائص لتمييز هذه الكثافة : تحليل المكونات الرئيسية (PCA) ونسخة مطورة من هذي السمة تدعى (2DPCA) و SVD و تحليل المصفوفات غير السالبه NMF و سمة العتبه. النتائج كانت مشجعة و تسلط الضوء على طرق جديدة في هذا المجال

English Abstract

Mammographic breast density describes the amount of fibro glandular tissue in the breast. Dense breast has more tissue than fat. The breast density is one of the strongest indicators of the increasing risk of developing breast cancer. Higher density breasts also decrease the sensitivity of mammography screening due to the tissue masking effect. However, visual inspection of mammograms is recognized to be subjective and varies from one radiologist to another. Several research studies have been conducted to automate the breast density classification. Breast Imaging Reporting and Data System (BI-RADS®) is a standard classification system for mammography density reporting. It is developed by the American College of Radiology (ACR). BI-RADS provides four categories for breast densities based on the visual assessment by radiologists. In this work, a successful breast density classification system is designed and developed to classify mammographic breast density into two categories- fatty and dense. The proposed system uses: Principle Component Analysis (PCA), 2D-PCA, Singular Value Decomposition (SVD), Nonnegative Matrix factorization (NMF), Threshold to extract features. Then, these features are thresholds for classification purpose. Support Victor machine (SVM) and K-Nearest Neighbour (KNN) techniques are used in the classification stage. The results of our system are encouraging, and pave the way for a new approach for breast density classification.

Item Type:	Thesis (Masters)
Subjects:	Computer
Department:	College of Computing and Mathematics > Information and Computer Science
Committee Advisor:	Ghouti, Lahouari
Committee Members:	Mahmoud, Sabri A. and Al-Khatib, Wasfi G.
Depositing User:	OWAYEDH AB HUSSEIN (g201002220)
Date Deposited:	12 Jan 2015 07:44
Last Modified:	01 Nov 2019 15:44
URI:	http://eprints.kfupm.edu.sa/id/eprint/139412