{rfName}
Ul

Indexado en

Licencia y uso

Licencia Icono OpenAccess

Citaciones

7

Altmetrics

Investigadores/as Institucionales

Rodríguez-álvarez, María JoséAutor o Coautor

Compartir

27 de enero de 2025
Publicaciones
>
Artículo
Sí

Ultrasound breast images denoising using generative adversarial networks (GANs)

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

Autores:

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

Afiliaciones

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
Ver más

Resumen

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.
[+]

Palabras clave

Breast cancerGenerative adversarial networGenerative adversarial networkUltrasound image denoising

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Intelligent Data Analysis, y aunque la revista se encuentra clasificada en el cuartil Q4 (Agencia WoS (JCR)), su enfoque regional y su especialización en Computer Science, Artificial Intelligence, le otorgan un reconocimiento lo suficientemente significativo en un nicho concreto del conocimiento científico a nivel internacional.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-03:

  • WoS: 2
  • Scopus: 3
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-03:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 28 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

    Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

    • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
    [+]

    Análisis de liderazgo de los autores institucionales

    Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: Canada; Ecuador.

    Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (Jimenez-Gaona, Yuliana) .

    el autor responsable de establecer las labores de correspondencia ha sido Jimenez-Gaona, Yuliana.

    [+]

    Reconocimientos ligados al ítem

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