{rfName}
Ul

Indexat a

Llicència i ús

Licencia Icono OpenAccess

Citacions

7

Altmetrics

Anàlisi d'autories institucional

Rodríguez-álvarez, María JoséAutor o coautor

Compartir

27 d’gener de 2025
Publicacions
>
Article
Sí

Ultrasound breast images denoising using generative adversarial networks (GANs)

Publicat a: Intelligent Data Analysis. 28 (6): 1661-1678 - 2024-01-01 28(6), DOI: 10.3233/IDA-230631

Autors:

Jimenez-Gaona, Yuliana; Rodríguez-Álvarez, M.J.; Escudero, Lider ; Sandoval, Carlos ; Lakshminarayanan, Vasudevan
[+]

Afiliacions

Medihosp, Ave Eugenio Espejo & Shuaras 0739, Loja 50600, Ecuador - Autor o coautor
Univ Politecn Valencia, Inst Instrumentac Imagen Mol I3M, Valencia, Spain - Autor o coautor
Univ Tecn Particular Loja, Dept Quim & Ciencias Exactas, Loja, Ecuador - Autor o coautor
Univ Waterloo, Dept Syst Design Engn Phys & Elect & Comp Engn, Waterloo, ON, Canada - Autor o coautor
Univ Waterloo, Sch Optometry & Vis Sci, Theoret & Expt Epistemol Lab, Waterloo, ON, Canada - Autor o coautor
Veure més

Resum

INTRODUCTION: Ultrasound in conjunction with mammography imaging, plays a vital role in the early detection and diagnosis of breast cancer. However, speckle noise affects medical ultrasound images and degrades visual radiological interpretation. Speckle carries information about the interactions of the ultrasound pulse with the tissue microstructure, which generally causes several difficulties in identifying malignant and benign regions. The application of deep learning in image denoising has gained more attention in recent years. OBJECTIVES: The main objective of this work is to reduce speckle noise while preserving features and details in breast ultrasound images using GAN models. METHODS: We proposed two GANs models (Conditional GAN and Wasserstein GAN) for speckle-denoising public breast ultrasound databases: BUSI, DATASET A, AND UDIAT (DATASET B). The Conditional GAN model was trained using the Unet architecture, and the WGAN model was trained using the Resnet architecture. The image quality results in both algorithms were measured by Peak Signal to Noise Ratio (PSNR, 35-40 dB) and Structural Similarity Index (SSIM, 0.90-0.95) standard values. RESULTS: The experimental analysis clearly shows that the Conditional GAN model achieves better breast ultrasound despeckling performance over the datasets in terms of PSNR = 38.18 dB and SSIM = 0.96 with respect to the WGAN model (PSNR = 33.0068 dB and SSIM = 0.91) on the small ultrasound training datasets. CONCLUSIONS: The observed performance differences between CGAN and WGAN will help to better implement new tasks in a computer-aided detection/diagnosis (CAD) system. In future work, these data can be used as CAD input training for image classification, reducing overfitting and improving the performance and accuracy of deep convolutional algorithms.
[+]

Paraules clau

Breast cancerGenerative adversarial networGenerative adversarial networkUltrasound image denoising

Indicis de qualitat

Impacte bibliomètric. Anàlisi de la contribució i canal de difusió

El treball ha estat publicat a la revista Intelligent Data Analysis, i encara que la revista està classificada al quartil Q4 (Agencia WoS (JCR)), el seu enfocament regional i la seva especialització en Computer Science, Artificial Intelligence, li atorguen un reconeixement prou significatiu en un nínxol concret del coneixement científic a nivell internacional.

Independentment de l'impacte esperat determinat pel canal de difusió, és important destacar l'impacte real observat de la pròpia aportació.

Segons les diferents agències d'indexació, el nombre de citacions acumulades per aquesta publicació fins a la data 2026-04-02:

  • WoS: 2
  • Scopus: 3
[+]

Impacte i visibilitat social

Des de la dimensió d'influència o adopció social, i prenent com a base les mètriques associades a les mencions i interaccions proporcionades per agències especialitzades en el càlcul de les denominades "Mètriques Alternatives o Socials", podem destacar a data 2026-04-02:

  • L'ús d'aquesta aportació en marcadors, bifurcacions de codi, afegits a llistes de favorits per a una lectura recurrent, així com visualitzacions generals, indica que algú està fent servir la publicació com a base del seu treball actual. Això pot ser un indicador destacat de futures cites més formals i acadèmiques. Aquesta afirmació està avalada pel resultat de l'indicador "Capture", que aporta un total de: 28 (PlumX).

Amb una intenció més de divulgació i orientada a audiències més generals, podem observar altres puntuacions més globals com:

    És fonamental presentar evidències que recolzin l'alineació plena amb els principis i directrius institucionals sobre Ciència Oberta i la Conservació i Difusió del Patrimoni Intel·lectual. Un clar exemple d'això és:

    • El treball s'ha enviat a una revista la política editorial de la qual permet la publicació en obert Open Access.
    [+]

    Anàlisi del lideratge dels autors institucionals

    Aquest treball s'ha realitzat amb col·laboració internacional, concretament amb investigadors de: Canada; Ecuador.

    Hi ha un lideratge significatiu, ja que alguns dels autors pertanyents a la institució apareixen com a primer o últim signant, es pot apreciar en el detall: Primer Autor (Jimenez-Gaona, Yuliana) .

    l'autor responsable d'establir les tasques de correspondència ha estat Jimenez-Gaona, Yuliana.

    [+]

    Reconeixements vinculats a l’ítem

    Acknowledgments This project has been co-financed by the Spanish Government Grant Deepbreast PID2019-107790RB-C22 funded by MCIN/AEI/10.13039/501100011033.
    [+]