Published March 1, 2016 | Version v1
Publication Open

A novel breast tumor classification algorithm using neutrosophic score features

Creators

  • 1. Menoufia University
  • 2. Higher Technological Institute
  • 3. University of Illinois at Springfield

Description

A lot of studies confirmed the seriousness of breast cancer as the most tumors lethal to women worldwide. Early detection and diagnosis of breast cancer are of great importance to increase treatment options and patients' survival rate. Ultrasound is one of the most frequently used methods to detect and diagnosis breast tumor due to its harmlessness and inexpensiveness. However, problems were found in the tumor diagnosis and classification as benign and malign on ultrasound image for its vagueness, such as speckle noise and low contrast. In this paper, we propose a novel breast tumor classification algorithm that combines texture and morphologic features based on neutrosophic similarity score. Then, a supervised feature selection technique is employed to reduce feature space. Finally, a support vector machine (SVM) classifier is employed to prove the discrimination power of the proposed features set. The proposed system is validated by 112 cases (58 malign, 54 benign). The experimental results show that such features set is promising and 99.1% classification accuracy is achieved.

⚠️ This is an automatic machine translation with an accuracy of 90-95%

Translated Description (Arabic)

أكدت الكثير من الدراسات خطورة سرطان الثدي باعتباره أكثر الأورام فتكًا بالنساء في جميع أنحاء العالم. الكشف المبكر عن سرطان الثدي وتشخيصه لهما أهمية كبيرة لزيادة خيارات العلاج ومعدل بقاء المرضى على قيد الحياة. الموجات فوق الصوتية هي واحدة من أكثر الطرق استخدامًا للكشف عن ورم الثدي وتشخيصه بسبب عدم ضرره ورخص تكلفته. ومع ذلك، تم العثور على مشاكل في تشخيص الورم وتصنيفه على أنه حميد وخبيث على صورة الموجات فوق الصوتية لغموضه، مثل ضوضاء البقع والتباين المنخفض. في هذه الورقة، نقترح خوارزمية تصنيف جديدة لورم الثدي تجمع بين الملمس والسمات الشكلية بناءً على درجة تشابه النيوتروسوفيك. بعد ذلك، يتم استخدام تقنية اختيار الميزات الخاضعة للإشراف لتقليل مساحة الميزات. أخيرًا، يتم استخدام مصنف آلة ناقلات الدعم (SVM) لإثبات قوة التمييز لمجموعة الميزات المقترحة. تم التحقق من صحة النظام المقترح من خلال 112 حالة (58 خبيثة، 54 حميدة). تظهر النتائج التجريبية أن مجموعة الميزات هذه واعدة ويتم تحقيق دقة تصنيف بنسبة 99.1 ٪.

Translated Description (French)

De nombreuses études ont confirmé la gravité du cancer du sein en tant que tumeur la plus mortelle pour les femmes dans le monde. La détection et le diagnostic précoces du cancer du sein sont d'une grande importance pour augmenter les options de traitement et le taux de survie des patientes. L'échographie est l'une des méthodes les plus fréquemment utilisées pour détecter et diagnostiquer la tumeur du sein en raison de son innocuité et de son faible coût. Cependant, des problèmes ont été trouvés dans le diagnostic et la classification de la tumeur comme bénigne et maligne sur l'image échographique pour son imprécision, comme le bruit de moucheture et le faible contraste. Dans cet article, nous proposons un nouvel algorithme de classification des tumeurs du sein qui combine la texture et les caractéristiques morphologiques basées sur le score de similarité neutrosophique. Ensuite, une technique de sélection de caractéristiques supervisée est utilisée pour réduire l'espace de caractéristiques. Enfin, un classificateur de machine à vecteurs de support (SVM) est utilisé pour prouver le pouvoir de discrimination de l'ensemble de caractéristiques proposé. Le système proposé est validé par 112 cas (58 malins, 54 bénins). Les résultats expérimentaux montrent que cet ensemble de caractéristiques est prometteur et que la précision de classification de 99,1 % est atteinte.

Translated Description (Spanish)

Muchos estudios confirmaron la gravedad del cáncer de mama como el tumor más letal para las mujeres en todo el mundo. La detección temprana y el diagnóstico del cáncer de mama son de gran importancia para aumentar las opciones de tratamiento y la tasa de supervivencia de los pacientes. El ultrasonido es uno de los métodos más utilizados para detectar y diagnosticar tumores de mama debido a su inocuidad y bajo costo. Sin embargo, se encontraron problemas en el diagnóstico del tumor y la clasificación como benigno y maligno en la imagen de ultrasonido por su vaguedad, como el ruido moteado y el bajo contraste. En este artículo, proponemos un nuevo algoritmo de clasificación de tumores de mama que combina la textura y las características morfológicas basadas en la puntuación de similitud neutrosófica. Luego, se emplea una técnica de selección de características supervisada para reducir el espacio de características. Finalmente, se emplea un clasificador de máquina de vectores de soporte (SVM) para demostrar el poder de discriminación del conjunto de características propuesto. El sistema propuesto está validado por 112 casos (58 malignos, 54 benignos). Los resultados experimentales muestran que dicho conjunto de características es prometedor y se logra una precisión de clasificación del 99,1%.

Files

ANovelBreastTumor.pdf.pdf

Files (1.0 MB)

⚠️ Please wait a few minutes before your translated files are ready ⚠️ Note: Some files might be protected thus translations might not work.
Name Size Download all
md5:f465b80e1b2be41662fae86706fd1481
1.0 MB
Preview Download

Additional details

Additional titles

Translated title (Arabic)
خوارزمية تصنيف جديدة لورم الثدي باستخدام ميزات درجة النيوتروسوفيك
Translated title (French)
Un nouvel algorithme de classification des tumeurs du sein utilisant des caractéristiques de score neutrosophique
Translated title (Spanish)
Un nuevo algoritmo de clasificación de tumores de mama que utiliza características de puntuación neutrosófica

Identifiers

Other
https://openalex.org/W2217755689
DOI
10.1016/j.measurement.2015.12.013

Is supplement to
https://openalex.org/W4293087713 (Other)
https://openalex.org/W3013515612 (Other)
https://openalex.org/W2389470892 (Other)
https://openalex.org/W2345184372 (Other)
https://openalex.org/W2336974148 (Other)
https://openalex.org/W2187500075 (Other)
https://openalex.org/W2160451891 (Other)
https://openalex.org/W2136184105 (Other)
https://openalex.org/W2056016498 (Other)
https://openalex.org/W2041399278 (Other)

GreSIS Basics Section

Is Global South Knowledge
Yes
Country
Egypt

References

  • https://openalex.org/W1587497404
  • https://openalex.org/W1963691800
  • https://openalex.org/W1963974799
  • https://openalex.org/W1974910032
  • https://openalex.org/W1988819287
  • https://openalex.org/W2004483938
  • https://openalex.org/W2011585383
  • https://openalex.org/W2035433263
  • https://openalex.org/W2044779926
  • https://openalex.org/W2047913312
  • https://openalex.org/W2050997943
  • https://openalex.org/W2071302409
  • https://openalex.org/W2075348956
  • https://openalex.org/W2078275311
  • https://openalex.org/W2084985476
  • https://openalex.org/W2102302625
  • https://openalex.org/W2104999075
  • https://openalex.org/W2107166114
  • https://openalex.org/W2117403911
  • https://openalex.org/W2122264932
  • https://openalex.org/W2127557005
  • https://openalex.org/W2153966475
  • https://openalex.org/W2181904299
  • https://openalex.org/W2463470067