研究計畫-專案詳細資料
摘要
在女性癌症死亡原因中，乳癌的排名一直居高不下，因此早期診斷和治療也變的越來越重要。然而早期診斷需要正確和可靠的方法讓醫生能夠判斷乳房腫瘤的良惡性。因此我們需要一套好的電腦輔助診斷系統來幫助經驗不足的醫生避免誤判和在不漏掉惡性腫瘤的情形下減少良性組織的切片檢查。超音波檢查因為不會對人體造成副作用，因此在眾多醫學影像方法中成為病人最能接受的檢驗方法。3D超音波影像在乳癌檢查上的實用性在近幾年裡逐漸地受到矚目，除了比起傳統的2D影像包含了更多的結構資訊之外，研究人員還能從三維立體結構中來重建平面，以觀察不同角度底下的組織特徵。電腦補助診斷系統之準確率往往與使用的資料探勘技術有關。然而使用這些技術時，需要先決定參數，如果參數設計不好，便會獲得較差之結果。另外，資料中可能存有高度相關的屬性、雜訊或是對於分類結果毫無助益的屬性，若不採用一些屬性篩選的方法，會因雜訊或過多的屬性而造成分類效能不佳。大多數研究僅利用參數調整或屬性篩選其中一種來改善分類器的正確率，因此本研究提出以人工蜂群演算法(Artificial Bee Colony Algorithm, ABC)來尋找SVM之參數，並進行屬性篩選，剔除對於分類正確率較無助益之屬性。
Project IDs
系統編號:PB10107-1736
原計畫編號:NSC101-2221-E182-014
原計畫編號:NSC101-2221-E182-014
| 狀態 | 已完成 |
|---|---|
| 有效的開始/結束日期 | 01/08/12 → 31/07/13 |
Keywords
- 資訊科學--軟體
- 醫學工程
- 3D超音波乳房腫瘤影像
- 支援向量機
- 人工蜂群演算法
- 電腦補助診斷系統
指紋
探索此研究計畫-專案觸及的研究主題。這些標籤是根據基礎獎勵/補助款而產生。共同形成了獨特的指紋。