Robust classification methods analyse magnetic resonance spectroscopy (MRS)
data (spectra) of fine needle aspirates taken from breast tumours. The
resultant data when compared with the histopathology and clinical criteria
provide computerized classification-based diagnosis and prognosis with a
very high degree of accuracy and reliability. Diagnostic correlation
performed between the spectra and standard synoptic pathology findings
contain detail regarding the pathology (malignant versus benign), vascular
invasion by the primary cancer and lymph node involvement of the excised
axillary lymph nodes. The classification strategy consisted of three
stages: pre-processing of MR magnitude spectra to identify optimal
spectral regions, cross-validated Linear Discriminant Analysis, and
classification aggregation via Computerised Consensus Diagnosis. Malignant
tissue was distinguished from benign lesions with an overall accuracy of
93%. From the same spectrum, lymph node involvement was predicted with an
accuracy of 95% and tumour vascularisation with an overall accuracy of
92%.
Robuste Klassifikationmethoden analysieren Daten der Magnetresonanzspektroskopie (MRS) (Spektren) der feinen Nadel ansaugt genommen von den Brusttumoren. Die resultierenden Daten im Vergleich zu dem Histopathology und die klinischen Kriterien versehen automatisierte Klassifikation-gegründete Diagnose und Prognose mit einem sehr hohen Grad Genauigkeit und Zuverlässigkeit. Diagnosewechselbeziehung führte zwischen den Spektren durch und den synoptischen Pathologiestandardentdeckungen enthalten Sie das Detail betreffend ist die Pathologie (bösartig gegen gutartiges), Gefäßinvasion durch den Primärkrebs und Lymphknotenmiteinbeziehung der besteuerten axillary Lymphknoten. Die Klassifikationstrategie bestand aus drei Stadien: Aufbereitung des HERRN Größe Spektren, zum der optimalen spektralen Regionen, der Kreuz-validierten linearen diskriminierenden Analyse und der Klassifikationanhäufung über automatisierte Übereinstimmung Diagnose zu kennzeichnen. Bösartiges Gewebe war von den gutartigen Verletzungen mit einer gesamten Genauigkeit von 93% bemerkenswert. Vom gleichen Spektrum wurde Lymphknotenmiteinbeziehung mit einer Genauigkeit von 95% und Tumor vascularisation mit einer gesamten Genauigkeit von 92% vorausgesagt.
