Skip to main content
main-content

16.06.2017 | Original Article | Ausgabe 10/2017

International Journal of Computer Assisted Radiology and Surgery 10/2017

Feature fusion for lung nodule classification

Zeitschrift:
International Journal of Computer Assisted Radiology and Surgery > Ausgabe 10/2017
Autoren:
Amal A. Farag, Asem Ali, Salwa Elshazly, Aly A. Farag

Abstract

Purpose

This article examines feature-based nodule description for the purpose of nodule classification in chest computed tomography scanning.

Methods

Three features based on (i) Gabor filter, (ii) multi-resolution local binary pattern (LBP) texture features and (iii) signed distance fused with LBP which generates a combinational shape and texture feature are utilized to provide feature descriptors of malignant and benign nodules and non-nodule regions of interest. Support vector machines (SVMs) and k-nearest neighbor (kNN) classifiers in serial and two-tier cascade frameworks are optimized and analyzed for optimal classification results of nodules.

Results

A total of 1191 nodule and non-nodule samples from the Lung Image Data Consortium database is used for analysis. Classification using SVM and kNN classifiers is examined. The classification results from the two-tier cascade SVM using Gabor features showed overall better results for identifying non-nodules, malignant and benign nodules with average area under the receiver operating characteristics (AUC-ROC) curves of 0.99 and average f1-score of 0.975 over the two tiers.

Conclusion

In the results, higher overall AUCs and f1-scores were obtained for the non-nodules cases using any of the three features, showing the greatest distinguishability over nodules (benign/malignant). SVM and kNN classifiers were used for benign, malignant and non-nodule classification, where Gabor proved to be the most effective of the features for classification. The cascaded framework showed the greatest distinguishability between benign and malignant nodules.

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

★ PREMIUM-INHALT
e.Med Interdisziplinär

Mit e.Med Interdisziplinär erhalten Sie Zugang zu allen CME-Fortbildungen und Fachzeitschriften auf SpringerMedizin.de. Zusätzlich können Sie eine Zeitschrift Ihrer Wahl in gedruckter Form beziehen – ohne Aufpreis.

Bis zum 22.10. bestellen und 100 € sparen!

Weitere Produktempfehlungen anzeigen
Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 10/2017

International Journal of Computer Assisted Radiology and Surgery 10/2017 Zur Ausgabe
  1. Das kostenlose Testabonnement läuft nach 14 Tagen automatisch und formlos aus. Dieses Abonnement kann nur einmal getestet werden.

  2. Das kostenlose Testabonnement läuft nach 14 Tagen automatisch und formlos aus. Dieses Abonnement kann nur einmal getestet werden.

Neu im Fachgebiet Radiologie

 

 

 
 

Meistgelesene Bücher aus der Radiologie

2016 | Buch

Medizinische Fremdkörper in der Bildgebung

Thorax, Abdomen, Gefäße und Kinder

Dieses einzigartige Buch enthält ca. 1.600 hochwertige radiologische Abbildungen und Fotos iatrogen eingebrachter Fremdmaterialien im Röntgenbild und CT.

Herausgeber:
Dr. med. Daniela Kildal

2011 | Buch

Atlas Klinische Neuroradiologie des Gehirns

Radiologie lebt von Bildern! Der vorliegende Atlas trägt dieser Tatsache Rechnung. Sie finden zu jedem Krankheitsbild des Gehirns Referenzbilder zum Abgleichen mit eigenen Befunden.

Autoren:
Priv.-Doz. Dr. med. Jennifer Linn, Prof. Dr. med. Martin Wiesmann, Prof. Dr. med. Hartmut Brückmann

Mail Icon II Newsletter

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

Bildnachweise