이전 유방 X 선 사진에있는 건축 왜곡의 검출를 통해 분석

이 절차의 전반적인 목표는 유방암의 미묘한 징후, 특히 유방조영술에서 구조적 왜곡을 감지하는 것입니다. 이는 먼저 주어진 유방조영술을 전처리하여 유방 부분을 감지하고 주어진 유방조영술 이미지에서 인공물을 제거함으로써 수행됩니다. 두 번째 단계는 Gabor 필터 뱅크를 적용하여 이미지에서 방향성 구조를 감지

다음으로, 방향 필드는 위상 초상화를 사용하여 분석되어 아키텍처 왜곡의 존재를 나타낼 수 있는 노드와 같은 패턴을 감지합니다. 마지막 단계는 아키텍처 왜곡을 특징짓고 거짓 알람을 거부하는 데 도움이 되는 속성 또는 측정값을 추출하여 감지된 모든 영역을 분석하는 것입니다. 최종적으로 확인된 의심 부위는 추가 분석을 위해 방사선 전문의에게 제출되며, 생검과 같은 임상 검사 결과와 비교하여 절차의 효율성을 평가합니다.

컴퓨터 등급의 종괴 감지와 같은 기존 방법에 비해 우리 기술의 주요 장점은 중심 종양이나 종괴가 뚜렷하지 않고 구조적 왜곡의 미묘한 징후를 감지할 수 있다는 것입니다. 이 기술의 의미는 유방암의 진단 및 치료로 확장됩니다. 유방암의 초기 단계 진단을 용이하게 하여 치료 예후를 개선합니다.

이 방법을 시각적으로 보여주는 것이 중요합니다. 이미지 처리 단계는 어렵습니다. 수학적으로 복잡한 몇 가지 복잡한 단계가 있습니다.

이 프로토콜의 단계는 사용자 지정 소프트웨어와 패키지 소프트웨어의 조합을 사용하여 수행됩니다. 가우스 필터로 샘플링된 디지털화된 유방조영술 다운으로 절차를 시작합니다. tzu의 적응형 임계값 설정법을 사용하여 이미지에서 유방 영역을 분할하고 유방의 대략적인 경계를 식별합니다.

다음으로, Gabor 필터를 사용하여 지향 패턴을 추출합니다. Gabor 필터는 선호되는 방향을 가진 비등방성 대역 통과 필터입니다. 이 실제 Gabor 필터 기능은 영하 90도를 향합니다.

시그마는 각 축을 따른 표준 편차이고 F 매듭은 변조 주파수입니다. 다른 각도의 정현파 필터는 좌표 변환을 사용하여 얻습니다. 이 애니메이션은 왼쪽에는 Gabor 필터의 임펄스 응답, 오른쪽 음에는 스펙트럼 또는 주파수 응답, 방향 각도가 마이너스 90도에서 시작하여 180도 오른쪽 시그마 X 및 F 매듭을 통과할 때의 변화를 타우(tau)로 표시하며, 이는 가우스 항의 절반 최대값에서 전체 너비입니다.

또한 시그마 Y를 시그마 X.Now의 다중 L로 쓰고, tau 및 L은 필터의 중심 주파수와 대역폭, 그리고 이 애니메이션에서 필터링할 배향 성분의 너비와 길이를 제어합니다. Gabor 필터의 tau 값은 다른 모든 매개변수를 일정하게 유지하면서 다양합니다. tau가 증가하면 공간 영역에서 Gabor 함수의 너비가 증가하고 주파수 응답의 중심 주파수가 감소합니다.

이 애니메이션은 파라미터 L이 임펄스 응답과 가보르 필터의 스펙트럼 응답에 미치는 영향을 보여줍니다. 실제 적용을 위해서는 tau 및 L에 대한 적절한 값을 선택하고 여러 필터를 사용해야 합니다. 이 비디오는 부품이 여러 각도로 배치된 플랜트의 테스트 이미지에 180 Gabor 필터를 적용하는 방법을 보여줍니다.

Gabor 필터 응답이 다양한 각도에서 이미지에 존재하는 배향된 구성 요소를 캡처하는 것이 분명합니다. 사용된 모든 필터 각도에 대한 각 픽셀의 최대 응답은 Gabor 크기 응답이라고 하는 단일 이미지에 저장됩니다. Gabor 필터의 해당 각도는 Gabor 각도 응답이라고 하는 다른 이미지의 각 픽셀에 대해 저장됩니다.

유방조영술을 위해 적절한 tau 및 L 값을 선택합니다. 다음으로, 영하 90도에서 플러스 90도 범위에 걸쳐 균일한 간격으로 배치된 180개의 실제 Gabor 필터 뱅크를 이미지에 적용합니다. 각 필터는 해당 공간에서 유방조영술의 배향 성분을 추출합니다.

각 유방조영술에 대한 영역 방향은 각 픽셀에서 가장 높은 크기 응답을 사용하여 갭 또는 크기 응답 이미지를 생성합니다. 최종 갭 또는 크기 응답 이미지는 배향 패턴과 관련된 픽셀에 대해 높은 값을 보여주므로 선호되는 방향 특성을 가진 조직 구조를 강조합니다. 회색 수준이 거의 같고 방향이 지정된 텍스처가 없는 영역은 결과에서 유지되지 않습니다.

또한 각 유방조영술에 대해 각 픽셀에서 가장 높은 응답을 사용하여 gab 또는 angle response image를 생성합니다. 이 이미지는 각 픽셀에서 지배적인 지향 패턴의 각도를 제공합니다. 이 이미지의 각도는 기본 조직 구조의 각도와 일치합니다.

여기에서는 가보르 크기 응답과 가보르 각도 응답이 나란히 표시되어 있습니다. 사각형은 방사선 전문의가 식별한 관심 영역을 보여줍니다. 관심 영역에 대한 이러한 확대된 보기를 통해 추가 세부 정보를 얻을 수 있습니다.

다음 단계는 Gabor 크기 응답 이미지를 사용하여 비최대 억제 기법으로 관심 있는 곡선 선형 구조를 식별하는 것입니다. 여기서, 흰색으로 표시된 픽셀은 잠재적인 지표 또는 스피큘 또는 섬유선 조직인 선택된 코어 픽셀입니다. 이제 강한 그래디언트와 관련된 코어 픽셀을 제거하여 구조체의 잘못된 식별을 방지합니다.

이것은 관심있는 curva linear 구조를 산출합니다. 다음은 강한 그라데이션과 관련된 픽셀을 제거하기 전과 후의 동일한 영역에 대한 세부 정보입니다. 이 작업이 완료되면 가우스 필터와 다운 샘플로 방향 필드를 필터링하여 노이즈를 줄이고 필요한 계산을 줄입니다.

위상 초상화 분석의 투표 절차는 다음과 같습니다. 원본 유방 조영술은 왼쪽에 표시되고 관련 개버 각도 반응은 왼쪽의 오른쪽에 표시됩니다. 작은 파란색 창은 분석 창이 원본 이미지 창 위로 미끄러지는 것을 보여줍니다.

노드 맵에서 투표가 이루어지지 않는 위치는 건너뛰고 비디오 창에 표시되지 않습니다. 노드 맵에서 투표가 이루어지는 위치는 절차가 끝날 때 오른쪽의 해당 위치에 녹색 별표로 표시되며, 노드 맵에는 포인트 맵 또는 캐스팅 투표가 포함되어 있으며, 발산 또는 수렴 지향 패턴을 포함하는 위치에서 상대적으로 많은 수의 표가 던져질 것으로 예상됩니다. 노드 맵의 필터링된 버전을 얻기 위해 평활화 또는 누적 필터가 적용됩니다.

필터링된 노드 맵에서 로컬 피크가 감지되어 추가 분석을 위해 관심 영역을 쉽게 절단할 수 있습니다. 이제 노드 맵의 피크를 값에 따라 순위를 매깁니다. 이 작업이 완료되면 가장자리에 있는 노드에 대한 노드 맵의 해당 피크 중앙에 있는 원본 이미지에서 관심 영역을 잘라내고 지정된 피크 위치에서 사용 가능한 한 많은 이미지 데이터를 포함하는 관심 영역을 만듭니다.

관심 영역을 선택하고, 전처리하고, 2차원 로비 변환을 수행하여 특성화를 시작합니다. 여기에 표시된 것은 주파수와 각도의 극좌표로 변환된 후의 전력 스펙트럼의 로그입니다. 수평 축에 표시된 각도의 범위는 0도에서 179도까지입니다.

수직 축의 방사형 주파수 범위는 0.02mm에서 음의 주파수에서 2.5mm에서 음의 주파수, 0.02mm에서 음의 1 및 0도까지 다양합니다. 이제 2차원 스펙트럼을 공간 주파수의 1차원 함수로 변환합니다. 공간 주파수의 각 값에 대한 각도에 대한 극좌표의 파워 스펙트럼을 통합함으로써.

다음은 로그 척도에 표시된 함수로, 저빈도 영역과 고빈도 영역을 제외하고 선형 회귀를 적용하여 적합선의 기울기를 식별합니다. 이 기울기는 분수 브라우니의 멱법칙 요인 베타의 추정치입니다. 모션 모델.

이를 사용하여 프랙탈 차원을 계산하고 엔트로피를 계산합니다. 극좌표의 2차원 스펙트럼으로 돌아갑니다. 이를 공간 주파수 값에 걸쳐 적분하여 각도의 1차원 함수로 변환합니다.

각도의 각 값에 대해 합이 1이 되도록 함수를 정규화합니다. 그런 다음 결과의 엔트로피를 계산합니다. 이 시점에서 각각에 대해 세 가지 측정값이 있습니다.

관심 영역, 노드 값, 프랙탈 차원 및 엔트로피를 자동으로 감지합니다. 이를 사용하여 구조적 왜곡과 관련된 추측 패턴을 특성화하고 정상적인 조직 패턴과 분리할 수 있습니다. 방사선 전문의가 분류한 관심 영역을 사용하여 분류기를 개발합니다.

여기 기능 공간에는 훈련 중에 레이블이 지정된 이미지에서 잘라낸 영역 분류가 표시되며, 녹색은 거짓 긍정, 파란색은 참 긍정입니다. 또한 분석 중인 테스트 사례에 대한 학습된 분류자의 출력도 표시됩니다. 검은색은 거짓 긍정을 나타내고 빨간색은 참 긍정을 나타냅니다.

이 그림에서 검은색 선은 자유 응답 수신기 작동 특성 곡선을 보여줍니다. 노드 값만 사용하는 경우 민감도는 80%이며 환자당 8.1개의 거짓 긍정이 있습니다. 빨간색 곡선은 세 가지 기능 노드 값, 엔트로피 및 프랙탈 차원이 80% 민감도로 함께 사용되었을 때의 결과를 나타냅니다.

그 결과 환자당 5.6개의 거짓 긍정이 발생합니다. 이 이미지에서는 순위가 가장 높은 6개의 관심 영역이 표시됩니다. 괄호 밖의 숫자는 Bayesian 분류자에 따른 순위를 나타냅니다.

괄호 안의 숫자는 이전 노드 맵 순위에 해당합니다. 녹색 사각형은 관심 영역의 참 긍정 영역을 나타냅니다. 분석의 마지막 단계에서 노란색 사각형은 거짓 긍정을 나타냅니다.

빨간색 사각형은 방사선 전문의가 식별한 구조적 왜곡이 있는 영역입니다. 순위가 높은 영역 중 3개는 방사선 전문의가 표시한 의심스러운 구조적 왜곡 영역과 겹치며, 이는 절차에 의한 성공적인 감지를 나타냅니다. 알고리즘 및 프로그램 최적화에 대한 추가 작업을 거친 후, 당사의 소프트웨어와 적절한 디스플레이 시스템이 있는 컴퓨터를 방사선 전문의의 작업 흐름에 통합함으로써 이 절차를 클리닉의 유방 조영술에 적용할 수 있습니다.

우리의 절차에 따라, 시간이 지남에 따라 구조적 왜곡 및 유방 종양이 어떻게 발생하는지와 같은 추가 질문에 답하기 위해 다른 방법을 개발할 수 있습니다. 본 시술의 결과는 방사선 진료에 반영될 수 있으며, 그 결과 초기 단계에서 유방암을 진단할 수 있으며, 따라서 치료 결과를 개선할 수 있습니다.