Rilevamento di distorsione architettonica in mammografia precedenti Via Analisi dei modelli Oriented

L'obiettivo generale di questa procedura è rilevare segni sottili di cancro al seno, in particolare la distorsione architettonica nelle mammografie. Ciò si ottiene pre-elaborando prima una determinata mammografia per rilevare la porzione mammaria e rimuovere gli artefatti nell'immagine mammografica data. Il secondo passo consiste nel rilevare le strutture orientate nell'immagine applicando un banco di filtri Gabor.

Successivamente, il campo di orientamento viene analizzato utilizzando ritratti di fase per rilevare modelli simili a nodi che potrebbero indicare la presenza di distorsione architettonica. Il passaggio finale consiste nell'analizzare tutte le regioni rilevate estraendo attributi o misure che caratterizzano la distorsione architettonica e aiutano a respingere i falsi allarmi. Infine, le aree sospette confermate vengono presentate al radiologo per ulteriori analisi e l'efficienza della procedura viene valutata rispetto ai risultati di test clinici come la biopsia.

Il vantaggio principale della nostra tecnica rispetto ai metodi esistenti come il rilevamento computerizzato delle masse, è che siamo in grado di rilevare sottili segni di distorsione architettonica senza che un tumore centrale o una massa siano evidenti. Le implicazioni di questa tecnica si estendono alla diagnosi e al trattamento del cancro al seno. Facilita la diagnosi delle fasi precoci del cancro al seno e quindi migliora la prognosi del trattamento.

La dimostrazione visiva di questo metodo è fondamentale. Le fasi di elaborazione delle immagini sono difficili. Ci sono diversi passaggi intricati che sono matematicamente complessi.

I passaggi di questo protocollo vengono eseguiti utilizzando una combinazione di software personalizzato e pacchettizzato. Iniziare la procedura con una mammografia digitalizzata campionata con un filtro gaussiano. Segmenta la regione del seno nell'immagine utilizzando il metodo di soglia adattivo di tzu e identifica il limite approssimativo del seno.

Quindi, estrai i modelli orientati utilizzando i filtri Gabor. Un filtro Gabor è un filtro passa-banda anisotropo con un orientamento preferito. Questa vera funzione del filtro Gabor è orientata a meno 90 gradi.

I sigma sono deviazioni standard lungo i rispettivi assi e il nodo F è la frequenza della modulazione. I filtri sinusoidi ad altri angoli si ottengono utilizzando una trasformazione di coordinate. Questa animazione mostra la risposta all'impulso di un filtro Gabor a sinistra e la risposta spettrale o in frequenza sulla nota destra, i cambiamenti man mano che l'angolo di orientamento inizia a meno 90 gradi e passa attraverso i nodi Sigma X e F a destra di 180 gradi in termini di tau, l'intera larghezza a metà del massimo del termine gaussiano.

Scrivi anche sigma Y come una L multipla di sigma X.Ora, tau e L controllano la frequenza centrale e la larghezza di banda del filtro e la larghezza e la lunghezza dei componenti orientati da filtrare in questa animazione. Il valore di tau nel filtro Gabor viene variato mantenendo costanti tutti gli altri parametri. All'aumentare di tau, l'ampiezza della funzione di Gabor nel dominio spaziale aumenta e la frequenza centrale della risposta in frequenza diminuisce.

Questa animazione mostra l'effetto del parametro L sulla risposta all'impulso e sulla risposta spettrale di un filtro Gabor. Per le applicazioni pratiche, è necessario scegliere i valori appropriati per tau e L e utilizzare più filtri. Questo video mostra l'applicazione di 180 filtri Gabor a un'immagine di prova di un impianto con parti orientate a diverse angolazioni.

È evidente che la risposta del filtro Gabor cattura le componenti orientate presenti nell'immagine a varie angolazioni. La risposta massima per ogni pixel su tutti gli angoli del filtro utilizzati viene salvata in una singola immagine denominata risposta di ampiezza di Gabor. L'angolo corrispondente del filtro Gabor viene salvato per ogni pixel in un'altra immagine denominata risposta dell'angolo di Gabor.

Scegliere i valori appropriati di tau e L per la mammografia. Quindi, applica all'immagine un banco di 180 filtri Gabor reali distribuiti uniformemente nell'intervallo da meno 90 gradi a più 90 gradi. Ogni filtro estrae i componenti orientati della mammografia nello spazio corrispondente.

Direzione del dominio per ogni mammografia Genera un'immagine di risposta alla magnitudine utilizzando la risposta di magnitudine più alta a ciascun pixel. L'immagine finale della parlantina o della risposta all'ampiezza mostra valori elevati per i pixel relativi a modelli orientati e quindi evidenzia le strutture tissutali con caratteristiche direzionali preferite. Le regioni con quasi gli stessi livelli di grigio e nessuna texture orientata non vengono mantenute nel risultato.

Inoltre, per ogni mammografia, genera un'immagine di risposta parlante o angolare, ancora una volta, utilizzando la risposta più alta ad ogni pixel. Questa immagine fornisce l'angolo del modello orientato dominante in corrispondenza di ciascun pixel. Gli angoli in questa immagine concordano con gli angoli delle strutture tissutali sottostanti.

Qui, la risposta dell'ampiezza di Gabor e la risposta dell'angolo di Gabor sono mostrate fianco a fianco. I rettangoli mostrano una regione di interesse identificata da un radiologo. Ulteriori dettagli sono forniti da queste vedute ingrandite della regione di interesse.

Il passo successivo consiste nell'utilizzare l'immagine della risposta di magnitudo di Gabor per identificare le strutture lineari curve di interesse con la tecnica di soppressione non massimale. Qui, i pixel contrassegnati in bianco sono i pixel principali selezionati che sono potenziali indicatori o spicole o tessuti fibroghiandolari. Ora, rimuovi i pixel principali associati a un forte gradiente per evitare l'identificazione errata delle strutture.

Questo produce le strutture lineari curve di interesse. Di seguito sono riportati i dettagli della stessa regione prima e dopo la rimozione dei pixel associati a una sfumatura forte. Una volta fatto ciò, filtrare il campo di orientamento con un filtro gaussiano e un sottocampione per ridurre il rumore e ridurre il calcolo necessario.

La procedura di voto nell'analisi del ritratto di fase è mostrata qui. La mammografia originale è mostrata a sinistra e la relativa risposta dell'angolo di gabor è mostrata a destra a sinistra. La piccola finestra blu mostra la finestra di analisi che viene fatta scorrere sulla finestra dell'immagine originale.

Le posizioni che comportano l'assenza di voto nella mappa dei nodi vengono saltate e non vengono visualizzate nella finestra video. Le posizioni che determinano l'espressione di un voto nella mappa dei nodi sono contrassegnate da un asterisco verde nella posizione corrispondente a destra alla fine della procedura, la mappa dei nodi contiene una mappa di punti o voti per l'espressione, si prevede che un numero relativamente elevato di voti verrà espresso in posizioni contenenti modelli orientati divergenti o convergenti. Viene applicato un filtro di livellamento o accumulo per ottenere una versione filtrata della mappa dei nodi.

I picchi locali vengono rilevati nella mappa dei nodi filtrati per facilitare il taglio delle regioni di interesse per ulteriori analisi. Ora ordina i picchi nella mappa dei nodi in base ai loro valori. Una volta fatto ciò, tagliare le regioni di interesse dall'immagine originale centrate sui picchi corrispondenti nella mappa dei nodi per i nodi ai bordi, creare regioni di interesse che includano la maggior parte dei dati dell'immagine disponibili nella posizione del picco specificata.

Inizia la caratterizzazione selezionando una regione di interesse, pre-elaborandola ed eseguendo una trasformazione bidimensionale del foyer. Qui è mostrato il logaritmo dello spettro di potenza dopo che è stato convertito in coordinate polari di frequenza e angolo. L'angolo mostrato nell'asse orizzontale varia da zero gradi a 179 gradi.

La frequenza radiale sull'asse verticale varia da 0,02 millimetri a quello negativo a 2,5 millimetri a quello negativo con l'angolo in alto a sinistra, 0,02 millimetri a quello negativo e zero gradi. Ora trasforma lo spettro bidimensionale in una funzione unidimensionale della frequenza spaziale. Integrando lo spettro di potenza in coordinate polari sugli angoli per ogni valore della frequenza spaziale.

Ecco la funzione tracciata su una scala logaritmica, esclude le regioni a bassa e alta frequenza e applica la regressione lineare per identificare la pendenza della retta adattata. Questa pendenza è una stima del fattore di legge di potenza beta del brownie frazionario. Modello in movimento.

Utilizzare questa opzione per calcolare la dimensione frattale per calcolare l'entropia. Ritorna allo spettro bidimensionale in coordinate polari. Trasformalo in una funzione unidimensionale dell'angolo integrandolo sui valori di frequenza spaziale.

Per ogni valore dell'angolo, normalizzare la funzione in modo che la somma sia uno. Quindi calcola l'entropia del risultato. A questo punto, ci sono tre misure per ciascuno.

Regione di interesse, valore del nodo, dimensione frattale ed entropia rilevati automaticamente. Utilizzali per caratterizzare i modelli speculativi relativi alla distorsione architettonica e separarli dai normali modelli di tessuto. Sviluppare un classificatore utilizzando le regioni di interesse classificate da un radiologo.

Qui nello spazio delle funzionalità sono mostrate le classificazioni delle regioni tagliate dalle immagini etichettate durante l'addestramento: il verde per i falsi positivi e il blu per i veri positivi. Vengono inoltre mostrati gli output del classificatore addestrato per il caso di test analizzato. Il nero mostra i falsi positivi e il rosso i veri positivi.

In questo grafico, la linea nera mostra la curva caratteristica di funzionamento del ricevitore a risposta libera. Quando viene utilizzato solo il valore del nodo, ha una sensibilità dell'80% con 8,1 falsi positivi per paziente. La curva rossa rappresenta i risultati quando le tre caratteristiche del valore del nodo, l'entropia e la dimensione frattale vengono utilizzate insieme con una sensibilità dell'80%.

Il risultato è di 5,6 falsi positivi per paziente. In questa immagine vengono mostrate le sei regioni di interesse con le classifiche più alte. I numeri fuori dalle parentesi indicano la classifica secondo il classificatore bayesiano.

I numeri tra parentesi corrispondono alla classificazione precedente della mappa dei nodi. I rettangoli verdi rappresentano le vere regioni positive di interesse. Nella fase finale dell'analisi, i rettangoli gialli rappresentano i falsi positivi.

Il rettangolo rosso è la regione con distorsione architettonica identificata da un radiologo. Tre delle regioni classificate di alto livello si sovrappongono all'area sospetta di distorsione architettonica contrassegnata dal radiologo, indicando il rilevamento riuscito da parte della procedura. Dopo un ulteriore lavoro sull'ottimizzazione dei nostri algoritmi e programmi, le procedure potrebbero essere applicate alle mammografie in una clinica incorporando un computer con il nostro software e sistemi di visualizzazione adeguati nel flusso di lavoro di un radiologo.

Seguendo le nostre procedure, potrebbero essere sviluppati altri metodi per rispondere a ulteriori domande come il modo in cui la distorsione architettonica e i tumori al seno si sviluppano nel tempo. I risultati delle nostre procedure potrebbero essere incorporati nella pratica radiologica, con conseguente diagnosi di cancro al seno nelle sue fasi iniziali, e quindi migliorare i risultati del trattamento.