マンモグラフィにおける乳房の質量のコンピューター支援検出のためのサポートベクターマシン分類の比較ベクターマシン分類

偽陽性（FP）マークは、マンモグラフィにおける乳房腫瘤のコンピューター支援検出（CADE）を効果的に使用するための障害を表しています。通常、問題は、より差別的な機能を開発するか、さまざまな分類器設計を採用することでアプローチできます。このホワイトペーパーでは、CADEのFP削減のためのサポートベクターマシン（SVM）分類の使用を調査し、ニューラルネットワーク、K-Nearest隣接分類、線形判別分析、ランダムフォレストに対する系統的な定量的評価を提示します。2516フィルムのマンモグラフィ試験と73の入力機能の大規模なデータベースを使用して、分類器を訓練し、正しく診断された試験と誤動否定のパフォーマンスを評価しました。さらに、さまざまなトレーニングデータと機能セットを入力として使用して、分類器の堅牢性を調査しました。評価は、10倍のクロス検証フレームワークに組み込まれたフリー応答レシーバー動作特性曲線（FROC）の正常な法線上の0.05-1 FPSの平均試験感度に基づいていました。ガウスカーネルを使用したSVM分類により、参照方法と比較して検出パフォーマンスが大幅に増加したことがわかりました（P = 0.0002）。さまざまなトレーニングデータと入力機能で、SVMは大規模な機能セットの改善された活用を示しました。SVMベースのCADEでは、FPSの大幅な減少が、乳房質量ケードの他の最先端のアプローチを上回る可能性があると結論付けられています。

False positive (FP) marks represent an obstacle for effective use of computer-aided detection (CADe) of breast masses in mammography. Typically, the problem can be approached either by developing more discriminative features or by employing different classifier designs. In this paper, the usage of support vector machine (SVM) classification for FP reduction in CADe is investigated, presenting a systematic quantitative evaluation against neural networks, k-nearest neighbor classification, linear discriminant analysis and random forests. A large database of 2516 film mammography examinations and 73 input features was used to train the classifiers and evaluate for their performance on correctly diagnosed exams as well as false negatives. Further, classifier robustness was investigated using varying training data and feature sets as input. The evaluation was based on the mean exam sensitivity in 0.05-1 FPs on normals on the free-response receiver operating characteristic curve (FROC), incorporated into a tenfold cross validation framework. It was found that SVM classification using a Gaussian kernel offered significantly increased detection performance (P = 0.0002) compared to the reference methods. Varying training data and input features, SVMs showed improved exploitation of large feature sets. It is concluded that with the SVM-based CADe a significant reduction of FPs is possible outperforming other state-of-the-art approaches for breast mass CADe.