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

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