Skip to main content

26.03.2018 | Ausgabe 5/2018

Journal of Digital Imaging 5/2018

Automatic Pectoral Muscle Region Segmentation in Mammograms Using Genetic Algorithm and Morphological Selection

Journal of Digital Imaging > Ausgabe 5/2018
Rongbo Shen, Kezhou Yan, Fen Xiao, Jia Chang, Cheng Jiang, Ke Zhou


In computer-aided diagnosis systems for breast mammography, the pectoral muscle region can easily cause a high false positive rate and misdiagnosis due to its similar texture and low contrast with breast parenchyma. Pectoral muscle region segmentation is a crucial pre-processing step to identify lesions, and accurate segmentation in poor-contrast mammograms is still a challenging task. In order to tackle this problem, a novel method is proposed to automatically segment pectoral muscle region in this paper. The proposed method combines genetic algorithm and morphological selection algorithm, incorporating four steps: pre-processing, genetic algorithm, morphological selection, and polynomial curve fitting. For the evaluation results on different databases, the proposed method achieves average FP rate and FN rate of 2.03 and 6.90% (mini MIAS), 1.60 and 4.03% (DDSM), and 2.42 and 13.61% (INBreast), respectively. The results can be comparable performance in various metrics over the state-of-the-art methods.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

e.Med Interdisziplinär

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf

Weitere Produktempfehlungen anzeigen
Über diesen Artikel

Weitere Artikel der Ausgabe 5/2018

Journal of Digital Imaging 5/2018 Zur Ausgabe
  1. Sie können e.Med Radiologie 14 Tage kostenlos testen (keine Print-Zeitschrift enthalten). Der Test läuft automatisch und formlos aus. Es kann nur einmal getestet werden.

Neu im Fachgebiet Radiologie

Mail Icon II Newsletter

Bestellen Sie unseren kostenlosen Newsletter Update Radiologie und bleiben Sie gut informiert – ganz bequem per eMail.