Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Hypergraph Based Radio Resource Management in 5G Fog Cell Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Localization of Thyroid Nodules in Ultrasonic Images

verfasst von : Ruiguo Yu, Kai Liu, Xi Wei, Jialin Zhu, Xuewei Li, Jianrong Wang, Xiang Ying, Zhihui Yu

Erschienen in: Wireless Algorithms, Systems, and Applications

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Thyroid nodule is a common clinical condition. Ultrasound is usually used to make a preliminary diagnosis, because it is convenient and cheap. Therefore, the study of thyroid ultrasound images of thyroid nodules has it’s significance and value. This paper investigates the problem of locating thyroid nodules in ultrasound images by manual signs. The solution to this problem is divided into three parts: first, image processing processes the image preliminary and find the approximate location of the signs; then, sign recognition recognize the signs accurately using CNN models; finally, boundary adjustment is used for the final adjustment of the border. Experimental results show that the algorithm proposed in this paper can accurately locate the nodules in thyroid ultrasound images.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel U-MEC: Energy-Efficient Mobile Edge Computing for IoT Applications in Ultra Dense Networks
Nächstes Kapitel Cost Reduction for Micro-Grid Powered Data Center Networks with Energy Storage Devices
Literatur
1.
Paschou, S.A., Vryonidou, A., Goulis, D.G.: Thyroid nodules: a guide to assessment, treatment and follow-up. Maturitas 96, 1–9 (2017)CrossRef
2.
Colatrella, A., Loguercio, V., Mattei, L., Trappolini, M., Festa, C., Stoppo, M., Napoli, A.: Best practice & research clinical endocrinology & metabolism. Best Pract. Res. Clin. Endocrinol. Metab. 24, 635–651 (2010)CrossRef
3.
Chen, W., Zheng, R., Baade, P.D., Zhang, S., Zeng, H., Bray, F., Jemal, A., Yu, X.Q., He, J.: Cancer statistics in China, 2015. CA Cancer J. Clin. 66(2), 115–132 (2016)CrossRef
4.
5.
Rong, W., Li, Z., Zhang, W., Sun, L.: An improved Canny edge detection algorithm. In: 2014 IEEE International Conference on Mechatronics and Automation (ICMA), pp. 577–582. IEEE (2014)
6.
Hui, Z.: Summary of artificial landmarks and its methods application in close-range photogrammetry. Geosp. Inf. 7(6), 30–32 (2009)
7.
Ma, Y.: Application of the sub pixel and template matching in the corss mark location. Inf. Commun. 6, 32–34 (2012)
8.
Fang, F., Liu, Y., Yao, J., Li, Y., Xie, R.: Automatic marker detection from x-ray images. In: 2013 IEEE International Conference on Robotics and Biomimetics (ROBIO), pp. 1689–1694. IEEE (2013)
9.
Girshick, R., Donahue, J., Darrell, T., Malik, J.: Rich feature hierarchies for accurate object detection and semantic segmentation. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 580–587 (2014)
10.
Girshick, R.: Fast R-CNN. In: IEEE International Conference on Computer Vision, pp. 1440–1448 (2015)
11.
Ren, S., He, K., Girshick, R., Sun, J.: Faster R-CNN: Towards real-time object detection with region proposal networks. In: Advances in Neural Information Processing Systems, pp. 91–99 (2015)
12.
Saravanan, C.: Color image to grayscale image conversion. In: 2010 Second International Conference on Computer Engineering and Applications (ICCEA), vol. 2, pp. 196–199. IEEE (2010)
13.
Krizhevsky, A., Sutskever, I., Hinton, G.E.: Imagenet classification with deep convolutional neural networks. In: Advances in neural information processing systems, pp. 1097–1105 (2012)
14.
Szegedy, C., Liu, W., Jia, Y., Sermanet, P., Reed, S., Anguelov, D., Erhan, D., Vanhoucke, V., Rabinovich, A., et al.: Going deeper with convolutions. In: CVPR (2015)
15.
Simonyan, K., Zisserman, A.: Very deep convolutional networks for large-scale image recognition. arXiv preprint arXiv:​1409.​1556 (2014)
16.
He, K., Zhang, X., Ren, S., Sun, J.: Deep residual learning for image recognition. In: Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, pp. 770–778 (2016)
17.
LeCun, Y., Bottou, L., Bengio, Y., Haffner, P.: Gradient-based learning applied to document recognition. Proc. IEEE 86(11), 2278–2324 (1998)CrossRef
18.
Nair, V., Hinton, G.E.: Rectified linear units improve restricted Boltzmann machines. In: Proceedings of the 27th International Conference on Machine Learning (ICML-10), pp. 807–814 (2010)
Metadaten
Titel
Localization of Thyroid Nodules in Ultrasonic Images
verfasst von
Ruiguo Yu
Kai Liu
Xi Wei
Jialin Zhu
Xuewei Li
Jianrong Wang
Xiang Ying
Zhihui Yu
Copyright-Jahr
2018
Buch
Wireless Algorithms, Systems, and Applications

Print ISBN: 978-3-319-94267-4

Electronic ISBN: 978-3-319-94268-1

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-94268-1_52