《Benign and maligenant breast tumors classification based on region growing and CNN segmentation》翻譯閱

註明：本人英語水平有限，翻譯不當之處，請以英文原版爲準，不喜勿噴，另，本文翻譯只限於學術交流，不涉及任何版權問題，如有不當侵權或其餘任何除學術交流以外的問題，請留言本人，本人馬上刪除，謝謝！！

另：歡迎轉載，但請標明出處！

《基於區域生長的良性和惡性乳腺腫瘤的分類》

摘要

良性腫瘤被認爲是致使女性死亡的常見原由之一，對良性腫瘤的早期檢測可以提升患者的生存率，所以創造一個可以檢測乳腺的可疑組織的系統是很是重要的。本文提出兩種自動檢測良性和惡性腫瘤的方法，第一種方法中，使用自動的區域生長法進行圖形分割，區域生長法的門限值是經過ANN獲得的。第二種方法中，採用細胞神經網絡（CNN）進行圖像分割，CNN的參數是經過遺傳算法（GA）獲得的。像素，文本和形態特徵從分割的乳腺中提取出來，GA算法選取其中的合適的特徵。下一階段，採用ANN對乳腺腫瘤進行分類，爲了評價本文所提不一樣分類器（例如隨機森林，貝葉斯，SVM，KNN）的分類性能，在MIAS和DDSM數據庫中進行了測試，分別獲得敏感性，特異性，總體進度爲96.87,95.94,96.47。

    根據美國癌症協會（ACS）的統計，2013年大約有40030名患者死於乳腺癌，其中包括39620名女性和410名男性。乳腺癌是指乳房組織細胞的異常增殖，被認爲是即肺癌以後威脅女性健康的第二大殺手。從1989 年開始，50歲如下女性乳腺癌的死亡率有了明顯的降低。這得益於早期檢測和有效的治療。通常來講，在乳房中會有幾種類型的一場存在，例如腫塊和微鈣化等。腫塊是因爲某些損傷，腫塊，或者是結節形成的，微鈣化主要是因爲腺體分泌的乳汁中鈣的沉積形成的，個體微鈣化的大小可能介於20-200微米之間。所以乳腺中，微鈣化與其餘組織的X光成像對比度差別很明顯，檢測和診斷也有很大的挑戰性。

   數字X光成像系統近期的發展主要旨在提升乳房異常的診斷和提升患者的生存概率。計算機輔助診斷系統通常是全自動或者半自動的設備，主要利用計算機技術來幫助放射科醫生檢測和區分乳腺中的異常狀況。所以，CAD系統是對放射科醫生有很大的幫助，通常來講，一個CAD系統分爲分割，特徵提取和分類三個階段。分割出乳腺腫瘤X線圖像的主要特徵，例如邊界