《Benign and maligenant breast tumors classification based on region growing and CNN segmentation》翻译阅读与理解

注明：本人英语水平有限，翻译不当之处，请以英文原版为准，不喜勿喷，另，本文翻译只限于学术交流，不涉及任何版权问题，若有不当侵权或其他任何除学术交流之外的问题，请留言本人，本人立刻删除，谢谢！！

另：欢迎转载，但请标明出处！

《基于区域生长的良性和恶性乳腺肿瘤的分类》

摘要

良性肿瘤被认为是导致女性死亡的常见起因之一，对良性肿瘤的早期检测能够提高患者的生存率，因此创造一个能够检测乳腺的可疑组织的系统是非常重要的。本文提出两种自动检测良性和恶性肿瘤的方法，第一种方法中，使用自动的区域生长法进行图形分割，区域生长法的门限值是通过ANN得到的。第二种方法中，采用细胞神经网络（CNN）进行图像分割，CNN的参数是通过遗传算法（GA）得到的。像素，文本和形态特征从分割的乳腺中提取出来，GA算法选取其中的合适的特征。下一阶段，采用ANN对乳腺肿瘤进行分类，为了评价本文所提不同分类器（例如随机森林，贝叶斯，SVM，KNN）的分类性能，在MIAS和DDSM数据库中进行了测试，分别得到敏感性，特异性，整体进度为96.87,95.94,96.47。

根据美国癌症协会（ACS）的统计，2013年大约有40030名患者死于乳腺癌，其中包括39620名女性和410名男性。乳腺癌是指乳房组织细胞的异常增殖，被认为是即肺癌之后威胁女性健康的第二大杀手。从1989 年开始，50岁以下女性乳腺癌的死亡率有了明显的下降。这得益于早期检测和有效的治疗。一般来说，在乳房中会有几种类型的一场存在，例如肿块和微钙化等。肿块是由于某些损伤，肿块，或者是结节造成的，微钙化主要是由于腺体分泌的乳汁中钙的沉积造成的，个体微钙化的大小可能介于20-200微米之间。因此乳腺中，微钙化与其他组织的X光成像对比度差异很明显，检测和诊断也有很大的挑战性。

数字X光成像系统近期的发展主要旨在提高乳房异常的诊断和提高患者的生存几率。计算机辅助诊断系统一般是全自动或者半自动的设备，主要利用计算机技术来帮助放射科医生检测和区分乳腺中的异常情况。因此，CAD系统是对放射科医生有很大的帮助，一般来说，一个CAD系统分为分割，特征提取和分类三个阶段。分割出乳腺肿瘤X线图像的主要特征，例如边界