Name: 前にマンモグラムにおける構造的ひずみを検出経由分析 (動画) | JoVE Journal
Uploaded: 2013-08-30T12:00:00.000+00:00
Duration: 13 min 44 s
Description: 学ぶマンモグラムにおける構造的ひずみの検出手法。Gaborフィルタと位相ポートレート解析を用いて、乳がんの早期発見を支援する組織パターンの識別方法を解説します。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

この作品は、共同研究や研修経験プログラム（CREATE）自然科学から発見グラントとカナダの工学研究評議会（NSERC）からの補助金によって支えられている。

著者らは、開示することは何もありません。

また、間隔癌症例の前にマンモグラムにおける構築の乱れを検出するための機械学習とCADとして知られているデジタル画像処理及びパターン認識の洗練された技術のシリーズを提示している。方法は、マンモグラフィ画像内に存在配向テクスチャパターンの分析に基づいている。我々の関連研究で提案されているいくつかのより多くの機能を含む、我々の方法は、患者が4未満のFP / 22で80％の感度で、平均して15ヶ月前方臨床診断時の乳がんの早期徴候を検出することができる、58。 潜在的な臨床応用では、我々の手法によりラベルされたROIが放射線科医によるマンモグラムの対応する領域を慎重に検査するためのプロンプトとして表示する必要があります。乳癌の存在または非存在に関する最終決定は、放射線科医によって行われるべき追加の画像化手順を要求することができる人又はマンモグラフィとCADが提起した疑惑を確認するかを確認する臨床試験。 私たちの方法が存在後ろ向き研究で刺激的な結果を提供してきたが、これらはまだ臨床使用に準備がで...

乳がんは、女性に影響を与える主要な疾患であり、女性は1,2の癌関連死の第二の主要な原因である。生存の可能性および乳癌の初期段階における効果的な治療を介して影響を受けた患者の予後を改善するために、疾患は、できるだけ早期に検出する必要がある。乳癌の症例のレトロスペクティブ分析において、異常の微妙な兆候は、以前に取得したスクリーニングマンモグラフィー3,4で観察された。構築の乱れ5,6を検出することが困難である乳癌の可能性の初期段階のいずれかのような局所的なマンモグラフィ徴候である。関連するパターンがぼんやり見えていない明確な質量の乳房の正常な構造の歪みと記載されている。建築歪みが乳房の質量または腫瘍の形成の初期段階で表示される可能性。我々は、スクリーニングのマンモグラムの前乳癌cの検出に得られるという仮説を立てウルド特に、構築の乱れの乳癌の初期段階の微妙な徴候を含む。 図1aは、スクリーニングで発見癌の場合の事前のマンモグラフィ画像を示している。放射線科医（JELD）によって識別異常の領域が赤い四角で概説されている。従来のマンモグラムは24ヶ図1bに示す検出マンモグラムの前に採取した。前マンモグラムは、スクリーニングの元のインスタンスでがんの徴候がないことが宣言されていた。レトロスペクティブ分析において、検出マンモグラムと比較して、検出された癌の部位に関連する疑わしい領域を放射線科医によって標識し、マンモグラムの前に赤で概説されている。疑わしい領域は骨片を含む構造的ひずみの兆候が含まれています。 コンピュータ支援診断（CAD）技術およびシステムは、ブレアの検出感度の増加を達成するための可能性を提供ST癌2,7-9。しかしながら、このような質量および石灰化などの乳癌の他の徴候の検出に関する文献に存在し、多くの刊行物に比較して、研究はごく少数の非存在下で構築の乱れの検出が報告されてい中央マス10月17日 。市販のCADシステムは、構築の乱れ18の検出において十分に機能することが見出されている。スクリーニングで発見さや間隔、がん症例3,4,19-22の前にマンモグラムにおける構造的ひずみの検出に関する研究は、その初期段階での乳房疾患の検出および治療 ​​のための戦略の開発に役立つ、との改善につながる可能性患者23の予後。 実験用のイメージの準備実験は、診断された56の個人の106の前にマンモグラムを含む158のマンモグラフィ画像を用いて実施した乳癌および13の正常な個体の52イメージを持つ。研究のための倫理承認はコンジョイント保健研究倫理委員会、医療倫理の事務所、カルガリー大学、カルガリー地域の保健局から入手した。乳がん21,24,25の早期発見のためアルバータプログラム：画像はスクリーン·テストから得られた。 前スクリーニングプログラム外の癌の診断するためのスクリーニングプログラムへの最後の定期的な訪問で取得されたマンモグラムはインターバル癌症例の前にマンモグラムとして標識した。対応する診断マンモグラムは利用できませんでした。 106前マンモグラムの2が、すべてがスクリーニングプログラムでの取得と解析時に乳がんの兆候がないことが宣言されていた、他の2マンモグラムに対応した個人は、生検のために呼ばれていた。癌の診断および従来のマンモグラムの間の時間間隔は、1.5ヶ月の範囲であった15ヶ月と7ヶ月の標準偏差の平均は24.5カ月、S、。データベースで使用可能なインターバル癌症例の前にマンモグラムの全ては、疑わしい部分が特定されない可能性があった6枚の画像を除いて、本研究に含まれています。 スクリーンフィルムマンモグラムを50ミクロンとLumiscan 85レーザスキャナ（Lumisys、カリフォルニア州サニーベール）を使用して、ピクセルあたり12ビットのグレースケールの解像度の空間分解能でデジタル化された。マンモグラフィー（JELD）に特化した専門家の放射線科医が、インターバル癌症例の106前マンモグラムのすべてを見直し、その後の画像や生検で使用可能なレポートに基づいて、長方形のボックスで構造的ひずみの疑いのある領域をマークし、またはマンモグラムの詳細な検査により、 。本研究で使用したデータセットでの106前のマンモグラフィ画像のうち、38の画像が見える構造的ひずみを持っており、残りの68の画像は、疑わしいあるいは全く明らかにEVが含まれている建築の歪みをidentを。放射線科医によって描かれた長方形のボックスで識別されるように、それぞれの前にマンモグラムは構造的ひずみの単一のサイトが含まれています。平均幅、高さ、および放射線科医によってマークされた画像の106疑わしい部分の面積は、それぞれ11.8ミリメートル11.6ミリメートル、および1073.9ミリメートル2の標準偏差が56ミリメートル、39ミリメートル、2274ミリメートルと2である。

前にマンモグラムにおける構造的ひずみを検出経由分析

Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns

我々は、マンモグラムにおける乳房組織パターンの向きの分析に基づいて間隔癌症例の前にマンモグラムにおける構築の乱れの検出のための方法を実証する。私たちは、建築の歪みが大衆や腫瘍の形成前に、マンモグラフィ画像中の乳房組織パターンの通常の方向を変更すると仮定した。私たちの方法の最初のステップでは、指定されたマンモグラムに配向構造は、組織のパターンを照射するか、交差のノードのようなサイトを検出するために、ガボールフィルタと位相の肖像画を用いて分析する。検出された各サイトは、ノード値、フラクタル次元、具体的には、構造的ひずみに関連したspiculatingパターンを表現するために設計された角度分散の尺度を用いて特徴づけている。 私たちの方法はために開発された機能を使用して、56インターバル癌症例の106前のマンモグラムおよび13の正常例の52マンモグラムのデータベースを用いて試験した建築のゆがみ、二次判別分析によるパターン分類、およびリーブ1患者出手順の検証の特性。自由応答受信者動作特性分析の結果によれば、我々の方法は、従来のマンモグラムにおける構築の乱れを検出する能力を実証した乳癌の臨床診断の前に（平均で）15ヶ月を撮影し、約80％の感度を有する患者あたり5偽陽性。

各特徴は、単独で用いた場合には三つの特徴、すなわち、ノード値、FD、F及びH は 、それぞれ、0.61、0.59、および0.64のAUC値を提供した。 3機能を併用することにより、AUC = 0.70と改善されたパフォーマンスを提供した。三つの特徴の組合せを用いて得られたFROC曲線は、7.5のFP /患者での5.6のFP /患者および89％の80％の感度を示しており、 図11に示されている。唯一のノードの値を使用すると、13.8のFP /患者で8.1のFP /患者89％、80％の感度を提供した。 最終結果におけるFPの減少は、 図12に示されている。説明のために、最も高い評価を得ている唯一の6のROIが表示されます。括弧の外側の数字は、ベイズ分類器で得られる判別値に基づいて順位を示し、括弧内の数字は、ノードマップに基づいて、以前の順位に対応しています。比較<s> trong&gt;は、図7に示す疑わし...

我々は前にマンモグラムの建築の歪みを検出する方法を示しています。配向構造は、組織パターンを照射する部位を検出するために、ガボールフィルタと位相の肖像画を用いて分析する。各サイトには特徴づけられ、spiculatingパターンを表現するための措置を使用して分類されている。方法は、乳癌の検出を支援すべきである。

We demonstrate methods for the detection of architectural distortion in prior mammograms of interval-cancer cases based on analysis of the orientation of ...

この手順の全体的な目標は、乳がんの微妙な兆候、特にマンモグラムの建築的歪みを検出することです。これは、まず所定のマンモグラムを前処理して乳房部分を検出し、所定のマンモグラフィ画像のアーチファクトを除去することによって実現されます。2番目のステップは、Gaborフィルターのバンクを適用して、画像内の配向構造を検出することです。次に、位相ポートレートを使用して方向フィールドを解析し、アーキテクチャの歪みの存在を示す可能性のあるノードのようなパターンを検出します。最後のステップは、アーキテクチャの歪みを特徴付け、誤警報の拒否を支援する属性または測定値を抽出して、検出されたすべての領域を分析することです。最終的に、確認された疑わしい領域は、さらなる分析のために放射線科医に提示され、手順の効率は生検などの臨床検査の結果と比較して評価されます。コンピュータ定格の質量検出のような既存の方法に対する私たちの技術の主な利点は、中心的な腫瘍や腫瘤が明らかになることなく、建築の歪みの微妙な兆候を検出できることです。この技術の意味は、乳がんの診断と治療にまで及びます。乳がんの初期段階の診断を容易にし、したがって治療の予後を改善します。この手法を視覚的にデモンストレーションすることが重要です。画像処理のステップは困難です。数学的に複雑ないくつかの複雑なステップがあります。このプロトコルの手順は、カスタムソフトウェアとパッケージソフトウェアの組み合わせを使用して実行されます。ガウスフィルターでサンプリングされたデジタル化されたマンモグラムダウンで手順を開始します。tzu の適応しきい値処理法を使用して画像内の乳房領域をセグメント化し、乳房のおおよその境界を特定します。次に、Gaborフィルターを使用して指向性パターンを抽出します。ガボール フィルターは、優先方向を持つ異方性バンド パス フィルターです。この実際のガボールフィルター機能は、マイナス90度の方向を向いています。シグマはそれぞれの軸に沿った標準偏差であり、Fノットは変調の周波数です。他の角度の正弦波フィルターは、座標変換を使用して取得されます。このアニメーションは、左側がガボールフィルターのインパルス応答、右ノートのスペクトルまたは周波数応答を示しています。向きの角度がマイナス90度から始まり、タウで180度の右シグマXとFノットを通過するにつれて変化します。これは、ガウス項の半値で全幅です。また、σ Y を σX の倍数 L として記述します。ここで、tau と L は、このアニメーションでフィルタの中心周波数と帯域幅、およびフィルタされる方向付けされたコンポーネントの幅と長さを制御します。ガボールフィルターのタウの値は、他のすべてのパラメーターを一定に保ちながら変化させます。タウが大きくなると、空間領域のガボール関数の幅が広がり、周波数応答の中心周波数が減少します。このアニメーションは、パラメーター L がガボール フィルターのインパルス応答とスペクトル応答に及ぼす影響を示しています。実際のアプリケーションでは、タウとLの適切な値を選択し、複数のフィルターを使用する必要があります。このビデオでは、部品をいくつかの角度で配置したプラントのテスト画像に180ガボールフィルターを適用する方法を示します。ガボール フィルターの応答が、画像内に存在する配向性成分をさまざまな角度でキャプチャすることは明らかです。使用されたすべてのフィルター角度に対する各ピクセルの最大応答は、ガボール振幅応答と呼ばれる 1 つの画像に保存されます。ガボールフィルターの対応する角度は、ガボール角度応答と呼ばれる別の画像の各ピクセルに保存されます。マンモグラフィには、タウとLの適切な値を選択します。次に、マイナス 90 度からプラス 90 度の範囲で等間隔に配置された 180 個の実際のガボール フィルターのバンクを画像に適用します。各フィルターは、対応する空間でマンモグラムの配向性成分を抽出します。各マンモグラムのドメイン方向は、各ピクセルで最も高いマグニチュード応答を使用して、ギャブまたはマグニチュード応答画像を生成します。最終的な gab またはマグニチュード応答画像は、配向パターンに関連するピクセルに高い値を示しており、したがって、好ましい指向特性を持つ組織構造を強調しています。グレーレベルがほぼ同じで、配向テクスチャがない領域は、結果に保持されません。また、マンモグラムごとに、各ピクセルで最も高い応答を使用して、ギャブまたは角度応答画像を再度生成します。この画像は、各ピクセルで支配的な配向パターンの角度を示しています。この画像の角度は、下にある組織構造の角度と一致しています。ここでは、ガボール振幅応答とガボール角度応答を並べて示しています。四角形は、放射線科医によって特定された関心領域を示しています。さらに詳しい情報は、関心のある領域のこれらの拡大ビューによって提供されます。次のステップは、ガボール振幅応答画像を使用して、非最大抑制手法で関心のある曲線線形構造を特定することです。ここで、白でマークされたピクセルは、潜在的な指標または針状または線維腺組織である選択されたコアピクセルです。次に、構造の誤った識別を防ぐために、強いグラデーションに関連付けられたコアピクセルを削除します。これにより、関心のある曲線線形構造が得られます。これは、強いグラデーションに関連付けられたピクセルを削除する前と削除した後の同じ領域の詳細です。これが完了したら、ガウス フィルターとダウン サンプルを使用して方位フィールドをフィルター処理し、ノイズを減らし、必要な計算を減らします。ここでは、フェーズのポートレート分析での投票手順を示します。元のマンモグラムが左側に示され、関連するガボ角度応答が左側の右側に示されています。小さな青いウィンドウは、解析ウィンドウが元の画像ウィンドウの上にスライドしていることを示しています。ノードマップで投票が行われないポジションはスキップされ、ビデオウィンドウに表示されません。ノードマップで投票が投じられる結果となった位置は、手続きの最後に右側の対応する位置に緑色のアスタリスクでマークされ、ノードマップにはキャストのポイントまたは投票のマップが含まれているため、発散または収束指向のパターンを含む場所で比較的多くの票が投じられることが予想されます。スムージング フィルターまたはアキュムレーション フィルターを適用して、ノード マップのフィルター処理されたバージョンを取得します。フィルタリングされたノードマップでは、ローカルピークが検出されるため、さらなる分析のための関心領域のカットが容易になります。次に、ノードマップ内のピークを値に従ってランク付けします。これが完了したら、エッジのノードについて、ノードマップの対応するピークを中心とする元の画像から関心領域を切り取り、指定したピーク位置で利用可能な画像データをできるだけ多く含む関心領域を作成します。特性評価を開始するには、対象領域を選択し、前処理を行い、2 次元ホワイエ変換を実行します。ここに示されているのは、周波数と角度の極座標に変換された後のパワースペクトルの対数です。横軸に表示される角度は、0 度から 179 度の範囲です。縦軸の半径方向の周波数は、0.02ミリメートルから負の周波数、2.5ミリメートルから左上隅の負の周波数、0.02ミリメートルから負の1、0度の範囲です。次に、2次元スペクトルを空間周波数の1次元関数に変換します。空間周波数の各値の角度にわたって極座標のパワースペクトルを積分することによって。以下は、対数スケールでプロットされた関数で、低周波数領域と高周波数領域を除外し、線形回帰を適用して適合線の傾きを特定します。この傾きは、分数ブラウニーのべき乗則係数ベータの推定値です。モーションモデル。これを使用してフラクタル次元を計算し、エントロピーを計算します。極座標の2次元スペクトルに戻ります。空間周波数値に積分することにより、角度の 1 次元関数に変換します。角度の値ごとに、合計が 1 になるように関数を正規化します。次に、結果のエントロピーを計算します。この時点では、それぞれに 3 つのメジャーがあります。関心領域、ノード値、フラクタル次元、およびエントロピーを自動的に検出します。これらを使用して、建築の歪みに関連する推測パターンを特徴付け、それらを正常な組織パターンから分離します。放射線科医によって分類された関心領域を使用して分類器を開発します。この特徴空間に示されているのは、トレーニング中にラベル付けされた画像から切り取られた領域の分類で、偽陽性は緑、真陽性は青です。また、分析対象のテストケースのトレーニング済み分類子の出力も表示されます。黒は偽陽性を示し、赤は真陽性を示します。このプロットでは、黒い線は自由応答受信機の動作特性曲線を示しています。ノード値のみを使用する場合、感度は80%で、患者あたり8.1の偽陽性があります。赤い曲線は、ノード値、エントロピー、フラクタル次元の 3 つの特徴を 80% の感度で一緒に使用した場合の結果を表しています。その結果、患者1人あたり5.6件の誤検知が発生します。この画像では、ランキングが最も高い 6 つの関心領域が示されています。括弧の外側の数字は、ベイズ分類器によるランク付けを示します。括弧内の数字は、以前のノードマップのランキングに対応しています。緑色の長方形は、真陽性の関心領域を表します。分析の最終段階では、黄色の四角形は誤検出を表します。赤い四角形は、放射線科医によって特定されたアーキテクチャの歪みがある領域です。上位にランク付けされた領域のうち3つは、放射線科医によってマークされた建築歪みの疑わしい領域と重なっており、手順による検出が成功したことを示しています。アルゴリズムとプログラムの最適化にさらに取り組んだ後、放射線科医のワークフローにソフトウェアと適切なディスプレイシステムを備えたコンピューターを組み込むことにより、この手順をクリニックのマンモグラムに適用できるようになりました。私たちの手順に従えば、建築上の歪みや乳房腫瘍が時間の経過とともにどのように発生するかなどの追加の質問に答えるために、他の方法を開発することができます。その結果を放射線医療に取り入れることで、乳がんの早期診断につなげ、治療成績の向上にもつながります。

detection-architectural-distortion-prior-mammograms-via-analysis

Research

JoVE Journal

Medicine

医学

主成分分析（PCA）を含む多変量技術は脳機能画像における地域変化のシグネチャパターンを識別するために使用されている。我々は、神経変性疾患の診断、疾患の進行の評価、および患者集団における治療効果を客観的に評価するための再現可能なネットワークバイオマーカーを同定するアルゴリズムを開発した。...

ニューロイメージングデータを用いた疾患関連空間共分散パターンの同定

私たちは、細胞で構成されるマクロ構造のレベルで臓器の変化の研究を容易にする3次元(3D)組織学の体積再構成のための画像登録アプローチを提示します。このアプローチを用いて、野生型とIgfbp7欠損乳腺との間の3次元変化を研究した。...

3次元組織学ボリュームとマウス乳腺研究への応用再建

磁気共鳴画像法を使用して乳房の拡散テンソルのパラメトリックマップとベクトルマップを取得する方法について説明します。イメージング処理後のプロトコルと最終出力は、乳房の建築的特徴を追跡し、乳房の悪性腫瘍を検出するために調整されています。...

乳腺アーキテクチャの特長を追跡し、磁気共鳴拡散テンソルイメージングと乳がんの検出

この記事では、内視鏡介入中の内視鏡の周術期の流体浸漬校正のための滅菌可能なカスタムカメラ光学歪み校正ターゲットの設計と開発について説明します。...

流体浸漬胎児鏡光学歪み校正のための医療用滅菌可能なターゲット

ここで、彼らの 3 次元形状に基づく健康と病理組織学的細胞の同定を可能にするワークフローを提供します。我々 は, 細胞集団の客観的クラスタ リングを提供する自己組織化マップを訓練する 3D サーフェスに基づいて 2D...

健康と病理の間の区別の形態に基づく細胞利用のフーリエ変換と自己組織化マップ

ここでは、標準的な形状を持つ3Dプリントされた金属ファントムを持つ口腔内スキャナから取得した競技アーチデジタルインプレッションの各部分の歪みの程度を測定するプロトコルを提示する。...

光学歯科印象の完全アーチ歪みを測定する

ここで提示する方法は、マイクロパターニングと定量イメージングを使用して、哺乳類培養における空間的組織を明らかにする。この技術は、標準的な細胞生物学研究室で確立することが容易であり、インビトロでのパターニングを研究するための扱いやすいシステムを提供しています。...

マイクロパターンと定量イメージングを用いた哺乳類細胞の新しい空間組織のマッピング

この研究の目的は、医師と患者の間のコミュニケーションブリッジとして機能し、診断前と予後評価のための最先端のツールでもある肺結節の新しい3Dデジタルモデルを開発することです。...

肺結節の診断と治療のための3Dデジタルモデル

ここでは、マイクロコンピューター断層撮影法に基づく方法で、マウスの頭蓋顎顔面骨の3Dモデルをセグメント化して測定する方法について詳しく説明します。これにより、現在の方法よりもマウスの頭蓋顎顔面骨の発達をより適切に評価できます。...

3次元マイクロコンピュータ断層撮影法によるマウス頭蓋顎顔面奇形の解析

このプロトコルは、乳房イメージング用のマイクロ波イメージングデバイスのイメージング手順を記述します。...

マイクロ波マンモグラフィの臨床画像

学ぶマンモグラムにおける構造的ひずみの検出手法。Gaborフィルタと位相ポートレート解析を用いて、乳がんの早期発見を支援する組織パターンの識別方法を解説します。

前にマンモグラムにおける構造的ひずみを検出経由分析

さらに動画を探す