מאמר שיטה

זיהוי של דיסטורשן אדריכלי בממוגרפיה לפני דרך ניתוח דפוסי Oriented

42.9K צפיות

⸱

DOI:

10.3791/50341

⸱

30 באוגוסט 2013

 ,  , 
1Department of Electrical and Computer Engineering, Schulich School of Engineering, University of Calgary , 2Department of Radiology, University of Calgary

במאמר זה

סיכום

אנו מדגימים שיטות לזיהוי של עיוות ארכיטקטונית בממוגרפיה קודמת. מבני Oriented מנותחים באמצעות מסנני גאבור ודיוקנאות שלב כדי לזהות אתרים של קרינת דפוסי רקמות. כל אתר מאופיין ומסווג באמצעות אמצעים לייצג את דפוסי spiculating. השיטות צריכה לסייע בזיהוי של סרטן השד.

תקציר

אנו מדגימים שיטות לזיהוי של עיוות ארכיטקטונית בממוגרפיה מוקדמת של מקרי מרווח סרטן המבוססת על ניתוח של הנטייה של דפוסי רקמת שד בממוגרפיה. אנו משערים כי עיוות אדריכלית משנה את הכיוון הרגיל של דפוסי רקמת שד בממוגרפיה תמונות לפני היווצרות של המונים או גידולים. בשלבים הראשוניים של השיטות שלנו, מבני האוריינטציה בממוגרפיה ניתנה מנותחים באמצעות מסנני גאבור ודיוקנאות שלב כדי לזהות אתרים כמו צומת של קרינה או מצטלבים דפוסי רקמות. כל אתר שזוהה לאחר מכן מאופיין באמצעות ערך הצומת, ממד פרקטלית, ומדד לפיזור הזוויתי שתוכנן במיוחד כדי לייצג את דפוסי spiculating קשורים עיוות ארכיטקטונית.

השיטות שלנו נבדקו עם מסד נתונים של 106 ממוגרפיה לפני 56 מקרי מרווח סרטן ו52 ממוגרפיה של 13 מקרים רגילים שימוש בתכונות שפותחו עבוראפיון של עיוות אדריכלית, סיווג דפוס באמצעות ניתוח מבחין ריבועית, ואימות עם הליך פרידה חד חולה החוצה. על פי התוצאות של מקלט חופשי תגובת הפעלת ניתוח אופייני, השיטות שלנו הוכיחו את היכולת לזהות עיוות ארכיטקטונית בממוגרפיה קודמת, נלקח 15 חודשים (בממוצע) לפני האבחנה קלינית של סרטן השד, עם רגישות של 80% בערך חמש תוצאות חיוביות שגויות לכל מטופל.

מבוא

סרטן השד הוא מחלה העיקרית המשפיעה על נשים והוא הסיבה המובילה השניה למוות מסרטן בקרב נשים 1,2. על מנת לשפר את הסיכוי להישרדות והפרוגנוזה של החולים המושפעים דרך טיפול יעיל בסרטן השד בשלבים מוקדמים, המחלה צריכה להיות מזוהות מוקדם ככל האפשר. בניתוח רטרוספקטיבי של מקרים של סרטן השד, סימנים עדינים של מומים נצפו בממוגרפיה הקרנה רכשה בעבר 3,4. עיוות אדריכלי היא סימן אחד כזה מקומי ממוגרפיה של אולי מוקדמים של סרטן השד בשלבים שקשה לזהות 5,6. הדפוסים הקשורים מתוארים במעורפל כעיוות של הארכיטקטורה הנורמלית של השד ללא גלוי המוני מובהק. עיוות אדריכלי עלולה להופיע בשלבים הראשונים של היווצרות מסת שד או גידול. אנו משערים כי ממוגרפיה הקרנה הושגה לפני הגילוי של סרטן שד גולד להכיל סימנים עדינים של סרטן השד בשלבים מוקדמים, בעיוות מסוימת, אדריכלית.

איור 1 א מציג תמונת ממוגרפיה מוקדמת של מקרה של סרטן שאובחן מסך. האזור של חריגות זוהו על ידי רדיולוג (Jeld) מסומן במלבן אדום. ממוגרפיה לפני נלקחה 24 חודשים לפני ממוגרפיה לגילוי שמוצגת באיור 1b. ממוגרפיה לפני שהוכרזה להיות חופשיים מסימנים של סרטן במופע המקורי של הקרנה. בניתוח רטרוספקטיבי ובהשוואה לממוגרפיה לגילוי, אזור חשוד הקשורים לאתר של הסרטן שאותר היה מתויג על ידי רדיולוג, והוא התווה באדום על ממוגרפיה הקודמת. האזור החשוד מכיל סימנים של עיוות ארכיטקטונית, כוללים רסיסים.

אבחון טכניקות בעזרת מחשב (CAD) ומערכות מציעות את הפוטנציאל להשגת רגישות מוגברת בזיהוי של Breaסרטן st 2,7-9. עם זאת, בהשוואה למספר הפרסומים שקיימים בספרות העוסק בזיהוי של סימנים אחרים של סרטן השד, כגון המונים והסתיידויות, רק מספר קטן של מחקרים שדיווח על זיהוי של עיוות ארכיטקטונית בהעדר מסה מרכזית 10-17. מערכות CAD זמינות מסחרי כבר נמצאו לבצע גרוע בזיהוי של עיוות ארכיטקטונית 18. מחקרים על זיהוי של עיוות ארכיטקטונית בממוגרפיה מוקדמת של מקרים שאובחן מסך או מרווח סרטן 3,4,19-22 יכולים לסייע בפיתוח אסטרטגיות לאיתור וטיפול במחל שד בשלבים המוקדמים שלהם, ולהוביל לשיפור ב הפרוגנוזה של החולה 23.

הכנת תמונות לניסוי

ניסויים נערכו עם 158 תמונות ממוגרפיה כולל 106 ממוגרפיה לפני 56 אנשים שאובחנועם סרטן השד ו52 תמונות של 13 אנשים נורמלים. אישור אתי למחקר התקבל מConjoint בריאות מחקר האתיקה המועצה, המשרד הרפואי ביואתיקה, אוניברסיטת קלגרי, ורשות הבריאות האזורית של קלגרי. התמונות התקבלו ממבחן מסך: תכנית אלברטה לגילוי המוקדם של סרטן שד 21,24,25.

ממוגרפיה רכשה בביקור האחרון שתוכנן לתכנית ההקרנה לפני האבחנה של הסרטן מחוץ לתכנית ההקרנה תויגה כממוגרפיה מוקדמת של מקרי מרווח סרטן. ממוגרפיה לאבחון המתאימה לא היתה זמינה. כל, אבל שתיים מ106 ממוגרפיה לפני שהוכרז להיות נקיים מכל סימן של סרטן השד בעת רכישתם והניתוח בתכנית ההקרנה; האנשים המתאימים לשני ממוגרפיה האחרות הופנו לביופסיה. מרווח הזמן בין האבחנה של הסרטן וממוגרפיה לפני נע בין 1.5 חודשים ל24.5 חודשים, עם ממוצע של 15 חודשים וסטיית תקן של 7 חודשים. כל ממוגרפיה המוקדמת של מקרי סרטן המרווח זמינים באתר נכללו במחקר הנוכחי, מלבד שש תמונות שביכולים להיות מזוהים ללא חלקים חשודים.

ממוגרפיה מסך הסרט היו דיגיטציה ברזולוציה מרחבית של 50 מיקרומטר ורזולוציה אפור בקנה מידה של 12 סיביות לכל פיקסל באמצעות סורק לייזר Lumiscan 85 (Lumisys, סאניווייל, קליפורניה). רדיולוג מומחה המתמחה בממוגרפיה (Jeld) בדק את כל 106 ממוגרפיה המוקדמת של מקרי סרטן המרווח וסימן את האזורים החשודים בעיוות ארכיטקטונית עם תיבות מלבניות המבוסס על הדוחות זמינים בהדמיה או ביופסיה שלאחר מכן, או על ידי בדיקה מפורטת של ממוגרפיה . של 106 תמונות ממוגרפיה לפני בבסיס הנתונים ששמשו במחקר הנוכחי, יש לי 38 תמונות עיוות ארכיטקטונית נראית לעין, ו68 תמונות שנותרו להכיל ev בספק או לא ברורזיהוי עיוות ארכיטקטונית. כל ממוגרפיה לפני מכילה אתר יחיד של עיוות אדריכלית כפי שזוהה על ידי התיבה מלבנית שצוירה על ידי רדיולוג. רוחבו הממוצע, הגובה והשטח של 106 חלקים חשודים של תמונות שסומנו על ידי רדיולוג הם 56 מ"מ, 39 מ"מ, ו2,274 מ"מ 2, עם סטיית תקן של 11.8 מ"מ, 11.6 מ"מ, ו1073.9 מ"מ 2, בהתאמה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

פרוטוקול

1. סקירה כללית של מתודולוגיה

בהליך שלנו, אתרים פוטנציאליים של עיוות ארכיטקטונית בממוגרפיה מזוהים באופן אוטומטי באמצעות ניתוח דפוסי מרקם אוריינטציה עם היישום של בנק של גאבור מסנני 26 ודוגמנות של שלב דיוקנאות 11,27. אז האתרים מזוהים מעובדים באמצעות הצעדים של מיצוי של תכונות או אמצעים לאפיין עיוות ארכיטקטונית, פיתוח מסווג מאומן, ויישום של אלגוריתם לזיהוי תבניות או סיווג. ההליך הוא סיכם על ידי הצעדים 11,20,21 הבאים:

  1. מגזר את חלק השד בממוגרפיה התמונה ניתנה באמצעות thresholding אדפטיבית ופתיחה מורפולוגיים.
  2. להחיל ערכה של 180 גאבור מסננים עם זוויות מחולקת באופן שווה על פני כל הטווח -90 ° ל+90 ° להשיג תמונת גודל גאבור, M (i, j), ואת תמונת זווית גאבור, θ(I, j), על ידי בחירת התגובה והזווית של המסנן עם התגובה הגבוהה ביותר בכל פיקסל, (i, j).
  3. בחר מבנים מעוגל (CLSs) של עניין, כגון רסיסים ורקמות fibroglandular, על ידי המבדיל אותם ממבני בלבול, כגון קצוות של שריר החזה, רקמת parenchymal, גבול שד, ורעש, על ידי שימוש בשדה האוריינטציה, שיפוע השדה, טכניקת דיכוי nonmaximal (NMS), ותנאים נוספים 11.
  4. סנן את שדה הנטייה עם מסנן Gaussian עם סטיית התקן של 7 פיקסלים ולמטה מדגם בפקטור של ארבעה כדי להפחית את הרעש ודרישות חישובית נוספות 11,20.
  5. החל דוגמנות שלב דיוקן ליניארי, עם חלון הזזה של ניתוח גודל 10 x 10 פיקסלים ב800 מיקרומטר / פיקסל, עם פיקסל אחד לכל צעד, לשדה הנטייה המסונן, עם תנאים ספציפיים כדי לבחור מפות שלב דיוקן הקשורות לסוגים מסוימים של פאט צומתאחיות מוסמכות 11,20.
  6. הצביע, אם תנאים מסוימים הם נפגשו, במיקום שניתן על ידי הנקודה קבועה לכל תפקיד של חלון הניתוח כדי ליצור את מפת הצומת.
  7. לסנן את מפת הצומת עם חלון גאוס של 35 x 35 פיקסלים גודל, עם הסטייה באופן אמפירי נקבעה תקן של 6 פיקסלים (4.8 מ"מ), לאחד קולות בסמיכות אחד לשני.
  8. לנתח את מפת הצומת על ידי הפסגות במפת צומת הזמנת דרגה.
  9. אזורי חתך של עניין (ROIs), בגודל 128 x 128 פיקסלים למעט בקצוות, מהתמונה המקורית, עם המרכז של כל החזר על השקעה ממוקמת במרכזה של השיא הקשורים במפת הצומת. בשולי מעובדת התמונה, ליצור ROIs לכלול כמה שיותר מנתוני תמונה כזמינים בחלון שצוין.
  10. לגזור תכונות או אמצעים כדי לאפיין את דפוסי spiculating הקשורים לעיוות ארכיטקטונית ולהפריד אותם מדפוסי רקמה נורמלים שפגשו חלק מהתנאים הראשוניים.
  11. פיתוח מסווג מאומן להבחין בין התכונות של אתרים עם עיוות ארכיטקטונית ואלה של דפוסי רקמות באמצעות סדרת אימונים של ROIs סווגה על ידי רדיולוג.
  12. החל מסווג הוכשר לסדרה של מקרי מבחן ולאמת את התוצאות עם אבחנה ניתנות על ידי רדיולוג ועל סמך ביופסיה.

צעדים 1-9 המפורטים לעיל מיושמים באופן אוטומטי לתמונת ממוגרפיה נתון. צעדים נבחרים של ההליך המפורט לעיל מתוארים ומאוירים בסעיפים הבאים.

2. עיבוד מקדים של תמונות ממוגרפיה

שלב העיבוד המקדים מורכב מהשלבים הבאים:

  1. סנן את תמונת ממוגרפיה ניתנה באמצעות מסנן גאוס, עם סטיית תקן של 2 פיקסלים וגודל של 13 x 13 פיקסלים ברזולוציה של 50 מיקרומטר / פיקסל ו12 סיביות / פיקסל, ולמטה מדגם 200 מיקרומטר / פיקסל ו -8 ביטים / פיקסלים ברזולוציה.
  2. לשקףהתמונה, אם זה של השד הימני.
  3. מגזר אזור השד בממוגרפיה התמונה בשיטה של אוטסו אדפטיבית thresholding ופתיחה מורפולוגיים עם אלמנט מבנה בצורת דיסק של רדיוס 25 פיקסלים (5 מ"מ ב200 מיקרומטר / פיקסל) 21,28,29.
  4. זיהוי 10,21 גבול שד המשוער.

איור 2 א מראה ממוגרפיה לפני מקורית. 2B איור של הדמות אותה מראה את התוצאה של פילוח המשוער של מנת השד, בו נעשה שימוש בשלבים הבאים של עיבוד וניתוח.

3. מיצוי של דפוסי Oriented באמצעות מסנני גאבור

פונקצית המסנן האמיתית גאבור אוריינטציה ב-90 ° מצוינת בעבודה שלנו כ10,30:

figure-protocol-1
שבו & #963; x ו-y σ הם ערכי סטיית התקן בX ו Y כיוונים, וo ƒ היא התדר של סינוסואידה ויסות. מסננים בזוויות אחרות מתקבלים על ידי החלפת פונקציה זו באמצעות לתאם את השינוי כ:

figure-protocol-2
שם (x ', y') הוא הסט של קואורדינטות לסובב על ידי α הזווית.

הפרמטרים במשוואת 1 לממוגרפיה סינון נגזרים בעבודה שלנו על ידי לקיחה בחשבון את הגודל הממוצע של דפוסי רקמת השד כדי להתגלות, כדלקמן 10:

  1. בואו Τ להיות ברוחב המלא בחצי המקסימום של טווח גאוס במשוואת 1 לאורך ציר x.
  2. בואו Τ = 4 פיקסלים, המקביל לעובי של 0.8 מ"מ בגודל פיקסל של 200 מיקרומטר.
  3. לחשב figure-protocol-3 .
  4. בואו תקופה של טווח קוסינוס להיות Τ, ואז, ƒ o = 1 / Τ.
  5. תן את הערך של y σ להיות מוגדר כσ y = lσ x, שבו אני קובע את התארכות של מסנן גאבור בכיוון y, בהשוואה לרוחב של המסנן בכיוון x. לניתוח של ממוגרפיה ב200 מיקרומטר / פיקסל, l השימוש = 8.

בנק של 180 גאבור האמיתי מסננים מחולק באופן שווה על פני ° C טווח -90 ל+90 ° משמש בשיטות שלנו לצורך זיהוי של דפוסי אוריינטציה בממוגרפיה 10, 21. עבור כל תמונה נתון, תמונת גודל גאבור, M (i, j), ותמונת זווית גאבור, θ (i, j), מתקבלים באמצעות התגובה והזווית של המסנן דואר גאבור עם התגובה הגבוהה ביותר בכל פיקסל, (i, j).

יש לסנן גאבור תגובה בסדר גודל שאינו אפס במקורו של המטוס בתדר (אפס תדר). מכיוון שרכיבי תדר נמוך אינם קשורים לנוכחות של עיוות אדריכלית, רצוי להפחית את ההשפעה של רכיבי תדירות נמוכה של תמונת ממוגרפיה בגודל שדה האוריינטציה. לכן, תמונות ממוגרפיה הן גבוה לעבור סינון לפני החילוץ של שדה האוריינטציה. זו מושגת על ידי חישוב ההפרש בין התמונה המקורית וגרסה מסוננת לעבור נמוכה של אותה תמונה. נמוך לעבור סינון המשמש בשלב זה הוא מסנן Gaussian עם סטיית התקן השווה ל σ y שהוגדר כאמור לעיל.

למרות שאפשר לשמור את התמונה המסוננת לכל זווית של עניין, בעבודה הנוכחית, התגובה המרבית על כל פיקסל על כל המסננים (זוויות) המשמשת היאנשמרו בתמונה אחת, המכונה התגובה בסדר גודל גאבור; הזווית המקבילה של מסנן גאבור נשמרה על כל פיקסל בתמונה אחרת, המכונה תגובת זווית גאבור. יחד, שתי תמונות היציאה מספקות שדה הכיוון של התמונה נתון.

איור 3 א מציג תמונת ניסיון של מפעל. איור 3 מציג את הספקטרום פורייה של התמונה, המתארת ​​את הריכוזים של אנרגיה בזוויות שונות. כל החלקים של התמונה באותו הכיוון, ללא קשר למיקום והגודל שלהם, יש להם רכיבי התדר (אנרגיית רפאים) ממוקמים בלהקה זוויתי או מגזר ממוקם ב90 ° ביחס לאורינטציה שלהם בתמונה. התוצאות של סינון התמונה עם גאבור מסננים עם Τ = 8 פיקסלים וl = 8 מוצגים ב3C דמויות ו-D. ניתן לראות כי מסנני גאבור חלצו חלקי הצמח בכיוון בזוויות שונות עם גבוה magתגובת nitude וכי תגובת הזווית מסכימה עם הכיוון של הווה התכונה הדומיננטי בפיקסל המקביל. באמצעות בנק של גאבור מסנני אוריינטציה בכמה זוויות על פני הטווח -90 ° ל+90 °, יש לנו שחולצו את כל הרכיבים בכיוון הנוכחיים בתמונה והזוויות שלהם על כל פיקסל. ניתן לראות כי התגובה של מסנני גאבור היא כמעט אפס באזורים חלקים באותה רמת אינטנסיביות ולא מבנים עם אורינטציה מועדפת, כגון חלקיו של הסיר וקיר.

איור 4 מראה את תגובות גודל וזווית גאבור מתקבלות עבור ממוגרפיה עם עיוות ארכיטקטונית שמוצגת באיור 2. ניתן לראות כי מסנני גאבור חלצו רכיבי אוריינטציה עם תגובות גבוהות, כמו גם הזוויות המתאימות. הוא ראה גם שהתגובה של מסנני גאבור היא נמוכה באזורים חלקים עם צפיפות כמעט קבועה ולא מבנים עם orienta המועדףtion. על הבדיקה מקרוב, זה יכול להיות גם ציין כי התגובה של מסנני גאבור תלויה בניגוד למבנה אוריינטציה ביחס לרקע שלה ולא רק על הצפיפות או הבהירות שלה. תוצאות אלו הן בשל אופי bandpass של מסנני גאבור.

4. בחירה של מבני Curvilinear

ממוגרפיה להכיל CLSs רבים המתאים לצינורות, כלי שיט, רצועות, רקמות parenchymal, וקצוות של שריר החזה. מומים מסוימים בממוגרפיה יכולים להיות מאופיינים על ידי הנוכחות של סוגים מסוימים של CLS, כגון המוני spiculated 12,31,32 ועיוות ארכיטקטונית 10,11,33, או על ידי מבנה סימטרי של מרקם אוריינטציה בתמונה השד 34. מצד השני, סוגים מסוימים של נגעים, כגון המונים מוגבלים, יכולים להיות מוסתרים על ידי כמה CLSs על גבי נגעים בתמונות ממוגרפיה המוקרנות; הופעת נגעים כאלה עלולה להיות גובה ered ועשוי להוביל לגילוי או אבחנה מוטעה תוצאה שלילית כוזבים. ניתוח של הווה CLSs בממוגרפיה יכול לשפר את הביצועים של אלגוריתמים לזיהוי של המוני spiculated ועיוות ארכיטקטונית, כפי שהוצע על ידי Zwiggelaar et al. 35. לכן, זיהוי של CLSs הוא צעד חשוב בזיהוי של עיוות ארכיטקטונית.

למרות שבנק מסנן גאבור שימש בעבודה הנוכחית הוא רגיש למבנים ליניארי, כמו רסיסים וסיבים, זה גם מזהה קצוות אחרים חזקים, כגון קצוות של שריר החזה, קצוות של רקמת parenchymal, ודפנות כלי, כמבני אוריינטציה . קצוות חזקים סביב 36 דיסק fibroglandular יכולים לשמש בזיהוי של סוג מסוים של עיוות ארכיטקטונית 37 ידועות כהכחשת מוקד. עם זאת, בעבודה הנוכחית, חשוב שCLSs קשור רק לרקמות fibroglandular מזוהים כתכונות בכיוון.

ss = "jove_content"> השיטה לבחירת CLSs בעבודה הנוכחית כוללת את שלושה השלבים הבאים:

  1. מגזר אזור השד בממוגרפיה שניתנה כאמור בסעיף 2.
  2. לזהות פיקסלים CLS ליבה על ידי יישום טכניקת NMS 35,38 לתמונת התגובה בסדר גודל גאבור.
  3. דחיית פיקסלים CLSs באתרים עם שיפוע חזק 33.

אלגוריתם NMS מזהה פיקסלים CLS ליבה על ידי השוואת כל פיקסל בתמונה התגובה בסדר גודל עם שכנותיה יחד בכיוון שניצב לזווית שדה האוריינטציה המקומית, ראה איור 5. אם פיקסל תחת חקירה יש ערך גודל גדול יותר משכנים המקביל, פיקסל הוא פיקסל CLS ליבה. NMS הוא צעד שכיח בגלאים רבים קצה (כגון גלאי הערמומיים קצה 39). Zwiggelaar et al. 35 NMS משמש לזיהוי של פיקסלים CLS באותו אופן כפי שתואר בזהסעיף.

הנוכחות של שיפוע חזק עלולה לגרום לאדווה בתגובה בסדר גודל גאבור, שהובילה לזיהוי שגוי של CLS. פיקסלים CLS הליבה קשורים בנוכחות של שיפועים חזקים נדחים על ידי הקריטריונים שהוצעו על ידי Karssemeijer וte בלם 12 בהקשר של גילוי של נגעי spiculated. השיפוע של תמונת ממוגרפיה מתקבל באמצעות הנגזרת הראשונה של גאוס עם סטיית תקן של חמישה פיקסלים (1 מ"מ). עבור כל פיקסל CLS ליבה, כיוון השיפוע הוא בהשוואה לכיוון שדה האוריינטציה. אם ההבדל בין כיוון שדה ההתמצאות והכיוון ניצבת לשיפוע הוא פחות מ 30 °, פיקסל CLS ליבה המתאים נמחק.

CLSs בתוך הדיסק fibroglandular בדרך כלל להחזיק מופחת לעומת זאת, בהשוואה לCLSs מחוץ לדיסק fibroglandular. כתוצאה מכך, CLSs בתוך לבלףיש דיסק roglandular ערכים קטנים יותר גאבור גודל תגובה מ CLSs מחוץ לדיסק. על מנת להקצות את אותו המשקל לכל פיקסלים CLS עצמאיים של מיקום, ועל מנת להבטיח את זיהוי של CLSs הרלוונטי עם ניגודיות נמוכה, כגון רסיסים בתוך הדיסק fibroglandular, M שדה הגודל (i, j) מוחלף ל עיבוד נוסף על ידי תמונה המורכבת מפיקסלים CLS ליבה בלבד, M-CLS (i, j), מוגדר באופן הבא:

figure-protocol-4
התמונה M CLS (i, j) מעבירה מידע חשוב על הנוכחות של CLSs. איור 6 מציג את התוצאות של בחירת CLS עם ממוגרפיה מלאה והחזר על השקעה. בגלל הנוכחות של עיוות ארכיטקטונית מצויינים על ידי הסידור הגיאומטרי של CLSs הנלווה ולא בצפיפות שלהם או בעוצמה, Magnitude של CLSs זוהה הוא בעל חשיבות נמוכה יותר מאשר את הפריסה המרחבית של המבנים בכיוון.

5. איתור וסימון של אתרים חשודים באמצעות ניתוח דיוקנאות שלב

Rao וJain 40 פיתחו שיטה לניתוח של מרקם אוריינטציה בתמונות על ידי שיוך שדה הנטייה שיפוע המקביל עם הופעתו של דיוקנאות שלב. דיוקן שלב של מערכת של שני ליניארי, מסדר הראשון, משוואות דיפרנציאליות מציג את המסלולים האפשריים של משתני מצב 27.

בוא p (t) ו q (t), t figure-protocol-5 R, מייצג את שתי פונקציות גזירות של t הזמן, הקשורים כמו

figure-protocol-6
כאן,• p (t) ו• q (t) הם נגזרים מסדר הראשון ביחס לזמן, וF ו-G הם פונקציות של p ו q 10. בהינתן התנאים הראשוני p (0) וq (0), הפתרון [עמ '(t), q (t)], יכול להיות מיוצג בצורה של מסלול פרמטרית או לייעל של חלקיק היפותטי ב( p, q מטוס). החלקיק ממוקם ב[ עמ '(0), q (0)] בזמן t = 0 ועובר דרך המישור (p, q) עם המהירות [• p (t) ו• q (t)]. (P, q) המטוס ידוע כמטוס השלב של המערכת. דיוקן שלב הוא גרף של המסלולים האפשריים של חלקיקים במישור השלב. נקודה קבועה היא נקודה במישור השלב שבו • עמ '( מ '> t) = 0 ו• q (t) = 0. חלקיקים עזבו בנקודה קבועה נשארים נייחים. למערכת affine, יש לנו

figure-protocol-7
הנה, היא מטריצה ​​2 X 2 ו-B הוא מטריצת עמודה 2 x 1. המרכז (עמ '0, q 0) של דיוקן השלב ניתן על ידי הנקודה קבועה כמו

figure-protocol-8
אם אנו מקשרים עמ 'הפונקציות (t) ו q (t) עם קואורדינטות x ו-y של המטוס של מעובדת התמונה, שדה הנטייה המקביל הוא

"Width =" res.jpg 500 "/>
הנה, Φ (XY) הוא הזווית של וקטור המהירות [• p (t), • q (t)] ביחס לציר x (x, y) = [p (t), q (t)] . אנחנו מקשרים Φ (XY) עם θ גאבור תגובת זווית (i, j), ולהגדיר פונקצית שגיאה כדי למזער ככל

figure-protocol-9
שם [a, b] ו [ג, ד] הם שתי השורות של. הקדנציה האחרונה מספקת לעונש גבוה יותר (עלות) לסטייה בתצורות של מטריצה ​​מאלה הקשורים לדפוסי צומת spiculated. המשוואה שניתנה לעיל מייצגת Φ (XY) ברשת בדידה (i, j) במקום השטח הרציף (x, y). Estimאטס של A ו-B שלמזער ε 2 (a, b) מתקבלים על ידי התהליך הבא:

  1. לקבל אומדנים ראשוניים של A ו-B באמצעות המזעור של ε 2 (A, B) בשיטת חישול מדומה 41.
  2. השג את ההערכות אופטימליות על ידי זיקוק ההערכות הראשוניות באמצעות קוי אלגוריתם ריבועים הפחות 42.

במודל שתואר לעיל, יש שלושה סוגים אפשריים של דיוקנאות שלב: צומת, אוכף, וספירלה. הסוג של דיוקן שלב נקבע על ידי הערכים העצמיים של 10,27,30,40. שדה הכיוון של תמונת מרקם יכול להיות מתואר על ידי קביעת הסוג של דיוקן השלב שהוא דומה ביותר לשדה האוריינטציה שלו. בגלל דפוסי ספירלה הם לא עניין בניתוחממוגרפיה, אנו מגבילים את המטריצה ​​להיות סימטרי, וכתוצאה מכך רק שני סוגים של דיוקנאות שלב: צומת ואוכף.

בגלל הנוכחות הצפויה של מספר הרסיסים בזוויות שונות שמקבלים על גבי בתמונה ממוגרפיה הצפויה, אנו משערים כי אתר של עיוות ארכיטקטונית יציג מאפיינים כמו צומת. עם זאת, רקמות נורמליות, צינורות, כלים, ומבנים אחרים בכיוון בשד יכולים גם לקבל מוקרנים וגבי כדי ליצור דפוסים המחקים את המראה של עיוות ארכיטקטונית בממוגרפיה. לכן, אנו מנתחים את מפת הצומת לצורך זיהוי של אתרים חשודים או אתרים פוטנציאליים של עיוות ארכיטקטונית, ולנתח את האתרים זוהו באמצעות צעדים נוספים של הבלטת תכונות וסיווג דפוס.

בגלל ממוגרפיה יכולה להציג כמה דפוסים, אנחנו מיישמים חלון הזזה של ניתוח גודל 10 x 10 פיקסלים, ב800 מיקרומטר / פיקסל, עם oפיקסל ne לכל שלב. לכל תפקיד של החלון, הצבעה היא יצוקה במפה, המכונה מפת הצומת, במיקום שניתן על ידי הנקודה קבועה המקבילה, אם כל התנאים שחלו מרוצים. תוצאות הקשורות למטריצה ​​עם המספר שלה גדול יותר מהמצב 3.0 נדחות להתעלם דפוסים לא צפויים להיות קשור לעיוות ארכיטקטונית 11. יתר על כן, תנאי נוסף הוא שהוטל על המרחק בין נקודה קבועה והמיקום של חלון הניתוח המתאים: אם המרחק הוא פחות משלושה פיקסלים (2.4 מ"מ) או מעל 20 פיקסלים (16 מ"מ), את התוצאות לנוכחיות חלון ניתוח נדחה. סדר הגודל של ההצבעה שנקבע שווה ליחס של המדד לכושר ε 2 (A, B), שהוגדר במשוואה 7, למספר התנאים ל, כדי להדגיש את isotropy של דיוקן השלב. מפת הצומת לאחר מכן נותחה כדי לזהות locמקסימום אל או פסגות שצפויות להצביע על אתרים של עיוות ארכיטקטונית. עם זאת, ההליך גם תוצאות זיהוי של מספר האתרים החיובי שגויה (FP), בגלל מבנה רגיל על גבי זו.

בכל שיא במפת הצומת, אנחנו באופן אוטומטי לחלץ את ההחזר על ההשקעה, של 128 x 128 פיקסלים בגודל אלא בקצוות של התמונות, מתמונת ממוגרפיה ב200 מיקרומטר / פיקסל. אנחנו תווית ROIs במיקומים שצוינו על ידי הפסגות במפת הצומת, בסדר יורד של הערכים של הפסגות, עד למקסימום של 30 ROIs לממוגרפיה.

כאשר ממוגרפיה עם אבחנות ידועות משמשות להכשיר ההליך שלנו, זוהה באופן אוטומטי ROIs עם המרכזים שלהם בחלקים של עיוות ארכיטקטונית שזוהתה על ידי רדיולוג מתויגים כנכון חיובי (TP) ROIs; אחרים מתויגים כFP ROIs לשימוש ב הליך ההכשרה. כאשר ממוגרפיה מנותחת באמצעות ההליך המאומן, כל ROIs זוההשל מעל מעובדים לסיווג ללא כל תיוג.

איור 7 מציג את מפת הצומת וROIs זוהתה לממוגרפיה שמוצגת באיור 2. המלבנים האדומים מציינים את האזור החשוד מסומן על ידי רדיולוג.

איור 8 מראה מספר ROIs TP וFP הוציאה באופן אוטומטי מכמה ממוגרפיה. רוב ROIs TP כמה רסיסים ודפוסי אוריינטציה משתרעים על פני מגוון רחב של זוויות. FP ROIs, לעומת זאת, יש מספר קטן יותר של מבני רקמה נורמלים מונחה על פני טווח צר של זוויות; ללא קשר, בשל סופרפוזיציה שלהם בתמונה ממוגרפיה הצפויה, הם מחקים את המאפיינים כמו צומת של עיוות ארכיטקטונית.

האסטרטגיה שלנו היא לזהות אזורים חשודים עם יעילות גבוהה או רגישות בשלב הראשוני (עם נגטיבים שווא במקביל נמוכים), גם אם המספר הנלווה של FPS הוא גדול. השלב הבא של ניתוח ROIs נועד לסייע להפחית את FPS דרך אפיון ומיון יעילים של ROIs זוהתה.

6. אפיון של דיסטורשן אדריכלי

החזר על השקעה מזוהה באופן אוטומטי, כולל עיוות ארכיטקטונית, שמרכזה בשיא במפת הצומת בנושא, סביר להניח שיש כמה רסיסים התפזרו בזוויות שונות. אנו מצפים מאפיין זה כדי להוביל להתפשטות זוויתי רחבה של אנרגיה בתחום התדמית ואנרגיה רפאים בתחום פורייה. בעבודות הקודמות שלנו, יש לנו הראו כי פיזור כזה הזוויתי יכול להיות מיוצג בצורה יעילה בצורה של תרשים ורד, שהוא היסטוגרמה הזוויתי 21,22. אנו לנרמל את תרשים הוורד יש יחידת שטח ולטפל בה כפונקציה צפיפות הסתברות (PDF). לאחר מכן, אנו מאפיינים את ה-PDF של כל אנטרופיה החזר על השקעה באמצעות, שהוא מדד סטטיסטי של הפרעה או פיזור.

ontent "> הפיזור המוגבר של דפוסי רקמות באזורים עם עיוות אדריכלית משנה את האופי הפרקטלי של רקמת שד נורמלית. הדגמים הנפוצים של פרקטלים מבוססים על דפוסים מקוננים multiscale של דפוסים 43-46 עצמי דומה. מודל אחר של התנהגות פרקטל הוא התנועה בראונית השבר (FBM) הקשור לספקטרום בתחום התדר שבו הכח יורד באופן יחסי ל( 1 / ו) ^ β, כאשר f הוא התדר וβ ידוע כמרכיב הרפאים 47,48. מודל FBM מוביל לתמונות פרקטלית דומות לדפוסי מעונן אקראיים;. דפוסים דומים נראים לעתים קרובות בממוגרפיה על מנת ליישם מודל זה לתמונות, הספקטרום דו ממדים (2D) פורייה של התמונה צריך להיות מומר לאחד פונקצית ממדים (1D).

פיתחנו שיטה משולבת לאפיין התפשטות זוויתי ולגזור אומדן dimens פרקטליתיון (FD) של תמונה על ידי מיפוי ספקטרום 2D פורייה של התמונה בקואורדינטות מלבניות, כונה על ידי S (u, v), לספקטרום בקואורדינטות קוטביות, כונה על ידי S (ƒ, Ν). ההליך מתואר על ידי הצעדים 21 הבאים:

  1. להחיל את חלון פון האן לכל החזר על השקעה הוציא באופן אוטומטי 128 x 128 ולרפד את התוצאה עם אפסים למערך של גודל 256 x 256 פיקסלים.
  2. לחשב פורייה 2D להפוך את ההחזר על ההשקעה של המרופדת ואת גודלו של כל ערך מורכב וכתוצאה מכך, כדי לקבל הערכה של ספקטרום הכוח, S (u, v), של ההחזר על ההשקעה.
  3. זהה את החלקים בתדירות נמוכה ותדירות גבוהה שנבחרו של הספקטרום להדרה בשלבים הבאים.
  4. מפת ה-S ספקטרום כוח 2D (u, v) מהקרטזיאני קואורדינטות (מלבניות) (u, v) לקואורדינטות קוטביות (ƒ, Ν) כדי לקבל S (ƒ, Ν), על ידי דגימה חוזרת ומחשוב ממוצע משוקלל של ארבעה שכנים של דוארנקודת אח לf מרחק רדיאלי החל מאפס עד מחצית מתדר הדגימה, ועל פני הטווח של הזווית = [0, 179 °] Ν.
  5. להפוך את S ספקטרום 2D (ƒ, Ν) לS 1D פונקציה (ƒ), על ידי שילוב כפונקציה של המרחק או בתדר רדיאלי f מנקודת האפס בתדר מעל הטווח בΝ = [0, 179 °] ב זווית.
  6. החל רגרסיה ליניארית לטווח מוגבל של תדרי S 1D הספקטרום (ƒ) בקנה מידת יומן יומן, למעט באזורי נקודות בתדירות נמוכה ותדירות גבוהה שנבחרו, ולקבל את β השיפוע של הקו המצויד, המהווה אומדן מרכיב ספקטרלי במודל FBM.
  7. לחשב את הערך המשוער של FD כ15,49,50 FD = (8 - β) / 2.
  8. להפוך את S 2D הספקטרום (ƒ, Ν) לS פונקצית 1D (Ν), על ידי שילוב כפונקציה של הזווית Ν עבורהטווח [0, 179 °], מנקודת האפס בתדר מעל ƒ מרחק רדיאלי = [1, 128] פיקסלים.
  9. לנרמל S (Ν) יש סכום יחידה ולחשב את האנטרופיה של התוצאה כמו figure-protocol-10 .

השינוי הגיאומטרי שתואר לעיל מוביל לייצוג והדמיה משופרים של המאפיינים ספקטרליים של מרקם תקופתי או spiculated 9. אזורים נמוכים ותדירות גבוהה שנבחרו צריכים להיות שלילי כדי להסיר את ההשפעות של רכיבי תדר הנמוך הקשורים למראה הכללי של התמונה והמבנים הגדולים הנמצאים בתמונה, כמו גם כדי למנוע את ההשפעות של תדר גבוה רעש. בעבודה הנוכחית, הלהקות של תדרים שלא להיכלל בהערכת β וFD (כלומר החלקים קוי) נבחר על בסיס ניסויים באמצעות תמונות מסונתזים עם FD הידוע, וגם באמצעותמספר ROIs של ממוגרפיה. מגוון ƒ משמש כדי להתאים את מודל ליניארי מתאים ל[ 6, 96] פיקסלים או [0.117, 1.875] מ"מ -1, שבו מגוון רחב של [1, 128] פיקסלים מתאים לייצוג של טווח התדרים [0, 2.5 בדיד ] מ"מ -1.

איורים 9 ו 10 להדגים את השלבים השונים לניתוח פרקטלית וההערכה של ההתפשטות הזוויתי של כוח בתחום התדר עבור החזר על השקעה TP והחזר על השקעת FP, בהתאמה. איור 9D מציין את קיומם של דפוסי spiculating multidirectional להחזר על ההשקעה של TP, ואילו באיור 10D, התפשטות הכוח מוגבלת למספר קטן של להקות זוויתי להחזר על ההשקעה של FP.

7. סיווג דפוס ואימות

עכשיו יש לנו שלושה אמצעים או תכונות עבור כל החזר על השקעה מזוהות באופן אוטומטי: [ערך צומת, H F, FD], כפי שתואר בסעיף 6. אנו משתמשים בתכונות אלה, individually וקולקטיבי, כדי לאפיין את דפוסי spiculating הקשורים לעיוות ארכיטקטונית ולהבדיל ROIs TP מROIs FP זוהתה.

להחזר על ההשקעה של TP מוצג באיור 9, וקטור התכונה הולחן על ידי שלושת האמצעים נגזרים הוא [0.0299, 7.2224, 2.3037]. להחזר על השקעת FP שמוצג באיור 10, וקטור התכונה המתאים הוא [0.0349, 6.9444, 2.5223]. כצפוי, את ערך H F הוא גבוה יותר להחזר ההשקעה מאשר TP להחזר על השקעת FP, ואת הערך של FD הוא נמוך יותר. עם זאת, ערך הצומת הוא נמוך יותר להחזר ההשקעה מאשר TP לFP ההחזר על ההשקעה, וזה בניגוד להבדלים הצפויים, בשל נוכחותם של מבנים חופפים באפשרות השנייה. באופן כללי, אנו יכולים לצפות כמה מהתכונות כדי לעקוב אחר המגמות הצפויות ולסייע בסיווג ROIs גם אם תכונות אחרות אינן מצליחות להפגין ההתנהגות הצפויה.

כדי להעריך את הביצועים של התכונות, אנו משתמשים בשטח מתחת לעקומה אופייני הפעלת המקלט (ROC) (AUC) 51,52 וניתוח חופשי תגובה ROC (FROC) 53-55. לניתוח ROC וFROC עם תכונה בודדת, אנחנו לא משתמשים במסווג מאומן, במקום זאת, אנו מיישמים את סף זזים. שלוש התכונות בודדות של צומת, FD, ו-H F סיפקו ערכי AUC של 0.61, 0.59, ו0.64, בהתאמה, המצביעים על פוטנציאל ביצועים, אבל לא מספיק טובים בסיווג דפוס. ערכי p של אותן התכונות הם 1.7638e-009, 1.8793e-004, ו2.2615e-013, המצביעים על הבדלים משמעותיים מבחינה סטטיסטית מאוד בין הערכים שלהם לקבוצות של זוהה באופן אוטומטי TP וFP ROIs.

כאשר מספר גדול של תכונות משמשים לייצוג דוגמאות לסיווג, יש צורך לבחור קבוצת משנה אופטימלית של תכונות כדי להסיר תכונות מתואמות ולהפחית את המורכבות של מסווג 20-22; כמה procedures, כגון רגרסיה הלוגיסטית בשלבי 56, עשוי לשמש למטרה זו. בעבודה הנוכחית, בגלל שאנחנו משתמשים רק שלוש תכונות להחזר על השקעה, אנחנו לא לבצע בחירת תכונה.

כדי לבצע אימות של מסווג המאומן, אנו מיישמים את נהלי סיווג דפוס עם גישת חופשה-one-חולה החוצה. אנו לא כוללים את כל ROIs מופק ממוגרפיה של המטופל להיבדק מהליך ההכשרה של מסווג, ולאחר מכן להחיל את מסווג כל כך שהושג למקרה המבחן. לאחר מכן, אנו חוזרים על ההליך במערך כולו, במקרה אחד או מטופל בכל פעם.

לניתוח ROC עם הקבוצה של שלוש תכונות, אנו משתמשים מסווגים שמבצע ניתוח מבחין ריבועית עם ההנחה בייס 57. כדי ליצור עקומות FROC, אנו רואים את ההחזר על ההשקעה TP עם הערך הגבוה ביותר המבחין בשני תמונות ממוגרפיה הזמינות עבור המטופל, אלא בששת מקרים שבם רק אחדתמונה נגיש לכל מקרה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

תוצאות

שלוש התכונות, כלומר, ערך צומת, FD, ו-H F, ערכי AUC ספקו 0.61, 0.59, ו0.64, בהתאמה, כאשר כל תכונה הייתה בשימוש בכוחות עצמו. שימוש בשילוב של שלוש תכונות הניתן על ביצועים משופרים עם AUC = 0.70. עקומת FROC שהושגה עם השילוב של שלוש התכונות מוצגת באיור 11, אשר מצביעה על רגישות של 80% ב5.6 FPS מטופל / ו89% ב7.5 fps / מטופל. שימוש רק את ערך הצומת סיפק רגישות של 80% ב8.1 FPS מטופל / ו89% ב13.8 fps / מטופל.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

דיון

יש לנו הצגתי סדרה של טכניקות מתוחכמות של עיבוד תמונה דיגיטלי וזיהוי תבניות, המכונים גם למידת מכונה וCAD, לצורך זיהוי של עיוות ארכיטקטונית בממוגרפיה מוקדמת של מקרי מרווח סרטן. השיטות המבוססות על ניתוח של דפוסי מרקם האוריינטציה נוכחים בתמונות ממוגרפיה. השיטות שלנו, כוללים כמה תכונות נוספות שהוצעו בעבודות בנושא שלנו, הם מסוגלים לאתר סימנים מוקדמים של סרטן השד 15 חודשים לפני זמן אבחנה קלינית, בממוצע, עם רגישות של 80% בפחות מ -4 FPS / 22 מטופל , 58.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

גילויים

יש המחברים אין לחשוף.

תודות

עבודה זו נתמכה על ידי מענקים מהתכנית השיתופיות המחקר וההדרכה הניסיון (CREATE) וגרנט דיסקברי ממדעי הטבע והנדסת מועצת מחקר (NSERC) של קנדה.

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

מקורות

  1. Cancer among women [Internet]. , Centers for Disease Control and Prevention (CDC). Available from: http://www.cdc.gov/cancer/dcpc/data/women.htm (20011).
  2. Tang, J., Rangayyan, R. M., Xu, J., El-Naqa, I., Yang, Y. Computer-aided detection and diagnosis of breast cancer with mammography: Recent advances. IEEE Transactions on Information Technology in Biomedicine. 13 (2), 236-251 (2009).
  3. van Dijck, J. A. A. M., Verbeek, A. L. M., Hendriks, J. H. C. L., Holland, R. The current detectability of breast cancer in a mammographic screening program. Cancer. 72 (6), 1933-1938 (1993).
  4. Rangayyan, R. M., Prajna, S., Ayres, F. J., Desautels, J. E. L. Detection of architectural distortion in mammograms acquired prior to the detection of breast cancer using Gabor filters, phase portraits, fractal dimension, and texture analysis. International Journal of Computer Assisted Radiology and Surgery. 2 (6), 347-361 (2008).
  5. Homer, M. J. Mammographic Interpretation: A Practical Approach. , 2nd, McGraw-Hill. New York, NY. (1997).
  6. Knutzen, A. M., Gisvold, J. J. Likelihood of malignant disease for various categories of mammographically detected, nonpalpable breast lesions. Mayo Clinic Proceedings. 68, 454-460 (1993).
  7. Rangayyan, R. M., Ayres, F. J., Desautels, J. E. L. A review of computer-aided diagnosis of breast cancer: Toward the detection of subtle signs. Journal of the Franklin Institute. 344, 312-348 (2007).
  8. Doi, K. Diagnostic imaging over the last 50 years: research and development in medical imaging science and technology. Physics in Medicine and Biology. 51, R5-R27 (2006).
  9. Rangayyan, R. M. Biomedical Image Analysis. , CRC Press. Boca Raton, FL. (2005).
  10. Rangayyan, R. M., Ayres, F. J. Gabor filters and phase portraits for the detection of architectural distortion in mammograms. Medical and Biological Engineering and Computing. 44, 883-894 (2006).
  11. Ayres, F. J., Rangayyan, R. M. Reduction of false positives in the detection of architectural distortion in mammograms by using a geometrically constrained phase portrait model. International Journal of Computer Assisted Radiology and Surgery. 1, 361-369 (2007).
  12. Karssemeijer, N., te Brake, G. M. Detection of stellate distortions in mammograms. IEEE Transactions on Medical Imaging. 15 (5), 611-619 (1996).
  13. Guo, Q., Shao, J., Ruiz, V. F. Characterization and classification of tumor lesions using computerized fractal-based texture analysis and support vector machines in digital mammograms. International Journal of Computer Assisted Radiology and Surgery. 4 (1), 11-25 (2009).
  14. Sampat, M. P., Whitman, G. J., Markey, M. K., Bovik, A. C. Evidence based detection of spiculated masses and architectural distortion. Proceedings of SPIE Medical Imaging 2005: Image Processing. Fitzpatrick, J. M., Reinhardt, J. M. San Diego, CA, 5747, 26-37 (2005).
  15. Tourassi, G. D., Delong, D. M., Floyd Jr,, E, C. A study on the computerized fractal analysis of architectural distortion in screening mammograms. Physics in Medicine and Biology. 51 (5), 1299-1312 (2006).
  16. Nemoto, M., Honmura, S., Shimizu, A., Furukawa, D., Kobatake, H., Nawano, S. A pilot study of architectural distortion detection in mammograms based on characteristics of line shadows. International Journal of Computer Assisted Radiology and Surgery. 4 (1), 27-36 (2009).
  17. Matsubara, T., Hara, T., Fujita, H., Endo, T., Iwase, T. Automated detection method for mammographic spiculated architectural distortion based on surface analysis. Proceedings of the 22nd International Congress and Exhibition on Computer Assisted Radiology and Surgery (CARS2008), Barcelona, Spain, 3 (1), 176-177 (2008).
  18. Baker, J. A., Rosen, E. L., Lo, J. Y., Gimenez, E. I., Walsh, R., Soo, M. S. Computer-aided detection (CAD) in screening mammography: Sensitivity of commercial CAD systems for detecting architectural distortion. American Journal of Roentgenology. 181, 1083-1088 (2003).
  19. Sameti, M., Ward, R. K., Morgan-Parkes, J., Palcic, B. Image feature extraction in the last screening mammograms prior to detection of breast cancer. IEEE Journal of Selected Topics in Signal Processing. 3 (1), 46-52 (2009).
  20. Rangayyan, R. M., Banik, S., Desautels, J. E. L. Computer-aided detection of architectural distortion in prior mammograms of interval cancer. Journal of Digital Imaging. 23 (5), 611-631 (2010).
  21. Banik, S., Rangayyan, R. M., Desautels, J. E. L. Detection of architectural distortion in prior mammograms. IEEE Transactions on Medical Imaging. 30 (2), 279-294 (2011).
  22. Banik, S., Rangayyan, R. M., Desautels, J. E. L. Measures of angular spread and entropy for the detection of architectural distortion in prior mammograms. International Journal of Computer Assisted Radiology and Surgery. 8, 121-134 (2013).
  23. Broeders, M. J. M., Onland-Moret, N. C., Rijken, H. J. T. M., Hendriks, J. H. C. L., Verbeek, A. L. M., Holland, R. Use of previous screening mammograms to identify features indicating cases that would have a possible gain in prognosis following earlier detection. European Journal of Cancer. 39, 1770-1775 (2003).
  24. Alto, H., Rangayyan, R. M., Paranjape, R. B., Desautels, J. E. L., Bryant, H. An indexed atlas of digital mammograms for computer-aided diagnosis of breast cancer. Annales des Télécommunications. (5-6), 820-835 (2003).
  25. Screen Test and the Alberta Breast Cancer Screening Program[Internet]. , Alberta Health Services. Available from: http://www.albertahealthservices.ca/services.asp?pid=service&rid=1002353 (2013).
  26. Gabor, D. Theory of communication. Journal of the Institute of Electrical Engineers. 93, 429-457 (1946).
  27. Rao, A. R. A Taxonomy for Texture Description and Identification. , Springer-Verlag. New York, NY. (1990).
  28. Otsu, N. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics. 9 (1), 62-66 (1979).
  29. Gonzalez, R. C., Woods, R. E. Digital Image Processing. , 2nd, Prentice-Hall. Upper Saddle River, NJ. (2002).
  30. Ayres, F. J., Rangayyan, R. M. Design and performance analysis of oriented feature detectors. Journal of Electronic Imaging. 16 (2), (2007).
  31. Samulski, M., Karssemeijer, N. Optimizing case-based detection performance in a multiview CAD system for mammography. IEEE Transactions on Medical Imaging. 30 (4), 1001-1009 (2011).
  32. Muralidhar, G. S., Bovik, A. C., Giese, J. D., Sampat, M. P., Whitman, G. J., Haygood, T. M., Stephens, T. W., Markey, M. K. Snakules: a model-based active contour algorithm for the annotation of spicules on mammography. IEEE Transactions of Medical Imaging. 29 (10), 1768-1780 (2010).
  33. Ayres, F. J., Rangayyan, R. M. Detection of architectural distortion in mammograms via analysis of phase portraits and curvilinear structures. Proceedings of EMBEC'05: 3rd European Medical & Biological Engineering Conference. Hozman, J., Kneppo, P. Prague, Czech Republic, 11, 1768-1773 (2005).
  34. Ferrari, R. J., Rangayyan, R. M., Desautels, J. E. L., Frère, A. F. Analysis of asymmetry in mammograms via directional filtering with Gabor wavelets. IEEE Transactions on Medical Imaging. 20 (9), 953-964 (2001).
  35. Zwiggelaar, R., Astley, S. M., Boggis, C. R. M., Taylor, C. J. Linear structures in mammographic images: Detection and classification. IEEE Transactions on Medical Imaging. 23 (9), 1077-1086 (2004).
  36. Ferrari, R. J., Rangayyan, R. M., Borges, R. A., Frère, A. F. Segmentation of the fibro-glandular disc in mammograms using Gaussian mixture modeling. Medical and Biological Engineering and Computing. 42, 378-387 (2004).
  37. Ichikawa, T., Matsubara, T., Hara, T., Fujita, H., Endo, T., Iwase, T. Automated detection method for architectural distortion areas on mammograms based on morphological processing and surface analysis. Fitzpatrick, J. M., Sonka, M. Proceedings of SPIE Medical Imaging 2004: Image Processing, February 2004, San Diego, CA, , SPIE. 920-923 (2004).
  38. Sonka, M., Hlavac, V., Boyle, R. Image Processing, Analysis and Machine Vision. , 1st, Chapman & Hall. London, UK. (1993).
  39. Canny, J. A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 8 (6), 679-698 (1986).
  40. Rao, A. R., Jain, R. C. Computerized flow field analysis: Oriented texture fields. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (7), 693-709 (1992).
  41. Kirkpatrick, S., Gelatt, C. D., Vecchi, M. P. Optimization by simulated annealing. Science. 220 (4598), 671-680 (1983).
  42. Gershenfeld, N. The Nature of Mathematical Modeling. , Cambridge University Press. Cambridge, UK. (1999).
  43. Mandelbrot, B. B. The Fractal Geometry of Nature. , Freeman. San Francisco, CA. (1983).
  44. Peitgen, H. -O., Jürgens, H., Saupe, D. Chaos and Fractals: New Frontiers of Science. , second, Springer. New York, NY. (2004).
  45. Fortin, C., Kumaresan, R., Ohley, W. Fractal dimension in the analysis of medical images. IEEE Engineering in Medicine and Biology Magazine. 11, 65-71 (1992).
  46. Schepers, H. E., van Beek, J. H. G. M., Bassingthwaighte, J. B. Four methods to estimate the fractal dimension from self-affine signals. IEEE Engineering in Medicine and Biology Magazine. 11, 57-64 (1992).
  47. Bak, P., Tang, C., Wiesenfeld, K. Self-organized criticality: An explanation of 1/f noise. The American Physical Society. 59, 381-384 (1987).
  48. Billock, V. A., De Guzman, G. C., Kelso, J. A. S. Fractal time and 1/f spectra in dynamic images and human vision. Physica D: Nonlinear Phenomena. 148, 136-146 (2001).
  49. Anguiano, E., Pancorbo, M. A., Aguilar, M. Fractal characterization by frequency analysis: I. Surfaces. Journal of Microscopy. 172, 223-232 (1993).
  50. Aguilar, M., Anguiano, E., Pancorbo, M. A. Fractal characterization by frequency analysis: II. A new method. Journal of Microscopy. 172, 233-238 (1993).
  51. Metz, C. E. ROC methodology in radiologic imaging. Investigative Radiology. 21, 720-733 (1986).
  52. Kurt Rossmann Laboratories for Radiologic Image Research. ROC Software [Internet]. , ROCKIT. Available from: http://www-radiology.uchicago.edu/krl/roc_soft6.htm (2012).
  53. Bornefalk, H., Hermansson, A. B. On the comparison of FROC curves in mammography CAD systems. Medical Physics. 32 (2), 412-417 (2005).
  54. Miller, H. The FROC curve: A representation of the observer's performance for the method of free response. Journal of the Acoustical Society of America. 46, 1473-1476 (1969).
  55. Chakraborty, D. P. Statistical power in observer-performance studies: Comparison of the receiver operating characteristic and free-response methods in tasks involving localization. Academic Radiology. 9 (2), 147-156 (2002).
  56. Ramsey, F. L., Schafer, D. W. The Statistical Sleuth: A Course in Methods of Data Analysis. , Duxbury Press. Belmont, CA. (1997).
  57. Wiley-Interscience, , New York, NY. 2nd edition (2001).
  58. Rangayyan, R. M., Banik, S., Chakraborty, J., Mukhopadhyay, S., Desautels, J. E. L. Measures of divergence of oriented patterns for the detection of architectural distortion in prior mammograms. International Journal of Computer Assisted Radiology and Surgery. , (2013).
  59. Burhenne, L. J. W., Wood, S. A., D'Orsi, C. J., Feig, S. A., Kopans, D. B., O'Shaughnessy, K. F., Sickles, E. A., Tabar, L., Vyborny, C. J., Castellino, R. A. Potential contribution of computer-aided detection to the sensitivity of screening mammography. Radiology. 215 (2), 554-562 (2000).
  60. Birdwell, R. L., Ikeda, D. M., O'Shaughnessy, K. F., Sickles, E. A. Mammographic characteristics of 115 missed cancers later detected with screening mammography and the potential utility of computeraided detection. Radiology. 219 (1), 192-202 (2001).

הגישה מוגבלת. התחברו או התחילו תקופת ניסיון כדי לצפות בתוכן זה.

הדפסות חוזרות והרשאות

בקש הרשאה לשימוש חוזר בטקסט או באיורים של מאמר JoVE זה

בקש הרשאה

תגיות

ROC

מאמרים קשורים