Waiting
Login processing...

Trial ends in Request Full Access Tell Your Colleague About Jove
JoVE Journal Medicine
Click here for the English version

Medicine

पिछले मैमोग्राम्स में वास्तु विकृति का पता लगाने Published: August 30, 2013 doi: 10.3791/50341
Automatic Translation
1,2, 1, 1
1Department of Electrical and Computer Engineering, Schulich School of Engineering, University of Calgary, 2Department of Radiology, University of Calgary

Summary

हम पिछले मैमोग्राम में वास्तु विकृति का पता लगाने के लिए तरीकों का प्रदर्शन. उन्मुख संरचनाओं ऊतक पैटर्न radiating की साइटों का पता लगाने में गेबर फिल्टर और चरण चित्रों का उपयोग विश्लेषण कर रहे हैं. प्रत्येक साइट की विशेषता और spiculating पैटर्न का प्रतिनिधित्व करने के उपायों का उपयोग कर वर्गीकृत किया गया है. तरीकों स्तन कैंसर का पता लगाने में सहायता करनी चाहिए.

Abstract

हम मैमोग्राम में स्तन ऊतक पैटर्न के उन्मुखीकरण के विश्लेषण पर आधारित अंतराल कैंसर के मामलों के पूर्व मैमोग्राम में वास्तु विकृति का पता लगाने के लिए तरीकों का प्रदर्शन. हम वास्तु विरूपण जनता या ट्यूमर के गठन से पहले mammographic छवियों में स्तन ऊतक पैटर्न के सामान्य उन्मुखीकरण को संशोधित करने वाली परिकल्पना है. हमारे तरीकों के प्रारंभिक चरणों में, एक दिया मैमोग्राम में उन्मुख संरचनाओं ऊतक पैटर्न radiating या अन्तर्विभाजक की नोड जैसी साइटों का पता लगाने में गेबर फिल्टर और चरण चित्रों का उपयोग विश्लेषण कर रहे हैं. प्रत्येक का पता चला तो साइट नोड मूल्य, भग्न आयाम, और विशेष रूप से वास्तु विकृति के साथ जुड़े spiculating पैटर्न का प्रतिनिधित्व करने के लिए डिजाइन कोणीय फैलाव का एक उपाय का उपयोग कर विशेषता है.

हमारे तरीकों के लिए विकसित सुविधाओं का उपयोग कर 56 अंतराल कैंसर के मामलों के 106 पूर्व mammograms और 13 सामान्य मामलों के 52 मैमोग्राम का एक डाटाबेस के साथ परीक्षण किया गयावास्तु विरूपण, द्विघात विभेदक विश्लेषण के माध्यम से पैटर्न वर्गीकरण, और छुट्टी एक मरीज ​​बाहर की प्रक्रिया के साथ मान्यता की विशेषता. विशेषता विश्लेषण ऑपरेटिंग मुक्त प्रतिक्रिया रिसीवर के परिणामों के अनुसार, हमारे तरीके के बारे में 80% की संवेदनशीलता के साथ, स्तन कैंसर के नैदानिक ​​निदान से पहले (औसत पर) 15 महीने ले लिया, पूर्व मैमोग्राम में वास्तु विकृति का पता लगाने की क्षमता का प्रदर्शन किया है रोगी प्रति पाँच झूठी सकारात्मक.

Introduction

स्तन कैंसर महिलाओं को प्रभावित करने में एक प्रमुख बीमारी है और महिलाओं 1,2 के बीच कैंसर से संबंधित मौत का दूसरा प्रमुख कारण है. बचने की संभावना और स्तन कैंसर के प्रारंभिक दौर में प्रभावी उपचार के माध्यम से प्रभावित रोगियों के रोग का निदान में सुधार करने के लिए, रोग का जल्दी से जल्दी पता लगाया जाना चाहिए. स्तन कैंसर के मामलों के पूर्वव्यापी विश्लेषण में, असामान्यताओं का सूक्ष्म संकेत पहले से हासिल कर ली स्क्रीनिंग मैमोग्राम 3,4 पर देखा गया है. वास्तु विरूपण 5,6 का पता लगाने के लिए मुश्किल है कि स्तन कैंसर के संभवतः प्रारंभिक दौर के ऐसे ही एक स्थानीय mammographic संकेत है. संबद्ध पैटर्न अस्पष्ट कोई निश्चित द्रव्यमान के साथ दिखाई दे स्तन के सामान्य वास्तुकला की विकृति के रूप में वर्णित हैं. वास्तु विरूपण एक स्तन मास या ट्यूमर के गठन के प्रारंभिक चरणों में दिखाई दे सकता है. हम स्क्रीनिंग mammograms पहले स्तन कैंसर सी का पता लगाने के लिए प्राप्त की परिकल्पना है किould विशेष, वास्तु विकृति में स्तन कैंसर के प्रारंभिक दौर के सूक्ष्म संकेत होते हैं.

चित्रा 1 ए स्क्रीन का पता चला कैंसर के एक मामले के एक पूर्व mammographic छवि को दर्शाता है. एक रेडियोलाजिस्ट (JELD) द्वारा की पहचान की विषमता के क्षेत्र में एक लाल आयत के साथ दिए गए है. पूर्व मैमोग्राम 24 महीनों चित्रा 1 बी में दिखाया गया पता लगाने के मैमोग्राम से पहले लिया गया था. पूर्व मैमोग्राम स्क्रीनिंग के मूल उदाहरण पर कैंसर के लक्षण से मुक्त घोषित किया गया था. पूर्वव्यापी विश्लेषण में पता लगाने और मैमोग्राम का पता चला, कैंसर की साइट से संबंधित एक संदिग्ध क्षेत्र के साथ तुलना में रेडियोलाजिस्ट द्वारा चिह्नित किया गया है, और पूर्व मैमोग्राम पर लाल रंग में उल्लिखित है. संदिग्ध क्षेत्र spicules सहित वास्तु विकृति के लक्षण होते हैं.

कंप्यूटर सहायता प्राप्त निदान (सीएडी) तकनीक और प्रणालियों Brea का पता लगाने में वृद्धि की संवेदनशीलता को प्राप्त करने के लिए क्षमता की पेशकशसेंट कैंसर 2,7-9. हालांकि, इस तरह आम जनता और calcifications के रूप में स्तन कैंसर के अन्य लक्षण, का पता लगाने पर साहित्य में मौजूद प्रकाशनों की संख्या के साथ तुलना में, पढ़ाई का केवल एक छोटी संख्या एक के अभाव में वास्तु विकृति का पता लगाने पर सूचित किया गया है केंद्रीय जन 10-17. व्यावसायिक रूप से उपलब्ध सीएडी सिस्टम वास्तु विकृति 18 का पता लगाने में खराब प्रदर्शन करने के लिए पाया गया है. 3,4,19-22 अपनी प्रारंभिक अवस्था में स्तन रोगों का पता लगाने और उपचार के लिए रणनीति विकसित करने में मदद, और में सुधार हो सकता है स्क्रीन का पता चला या अंतराल कैंसर के मामलों के पूर्व मैमोग्राम में वास्तु विकृति का पता लगाने पर अध्ययन रोगी 23 के लिए रोग का निदान.

प्रयोग के लिए छवियों की तैयारी

प्रयोगों 56 व्यक्तियों की 106 पूर्व मैमोग्राम सहित 158 mammographic छवियों का निदान के साथ आयोजित की गईस्तन कैंसर और 13 सामान्य व्यक्तियों के 52 छवियों के साथ. अध्ययन के लिए आचार अनुमोदन संयुक्त स्वास्थ्य अनुसंधान एथिक्स बोर्ड, मेडिकल जैवनैतिकता के कार्यालय, कैलगरी विश्वविद्यालय, और कैलगरी क्षेत्रीय स्वास्थ्य प्राधिकरण से प्राप्त हुई थी. स्तन कैंसर 21,24,25 का जल्दी पता लगाने के लिए अलबर्टा कार्यक्रम: छवियों को स्क्रीन टेस्ट से प्राप्त किया गया.

पूर्व स्क्रीनिंग कार्यक्रम के बाहर कैंसर के निदान के लिए स्क्रीनिंग कार्यक्रम के लिए पिछले अनुसूचित यात्रा में अधिग्रहण मैमोग्राम्स अंतराल कैंसर के मामलों के पूर्व मैमोग्राम के रूप में चिह्नित किया गया. इसी नैदानिक ​​मैमोग्राम उपलब्ध नहीं थे. 106 पूर्व mammograms के दो लेकिन सभी स्क्रीनिंग कार्यक्रम में उनके अधिग्रहण और विश्लेषण के समय में स्तन कैंसर के किसी भी हस्ताक्षर से मुक्त घोषित किया गया था, अन्य दो मैमोग्राम को इसी व्यक्तियों बायोप्सी के लिए भेजा गया था. कैंसर के निदान और पूर्व मैमोग्राम के बीच समय अंतराल लेकर 1.5 माह से15 महीने और 7 महीने के मानक विचलन की औसत से 24.5 महीनों के लिए है,. डेटाबेस में उपलब्ध अंतराल कैंसर के मामलों के पूर्व mammograms के सभी कोई संदिग्ध भागों पहचाना जा सकता है जिसमें छह छवियों को छोड़कर, वर्तमान अध्ययन में शामिल किया गया है.

स्क्रीन फिल्म मैमोग्राम 50 माइक्रोन और Lumiscan 85 लेजर स्कैनर (Lumisys, सनीवेल, सीए) का उपयोग पिक्सेल प्रति 12 बिट के ग्रे पैमाने पर संकल्प के स्थानिक संकल्प में डिजीटल गया. मैमोग्राफी (JELD) में विशेष विशेषज्ञ रेडियोलाजिस्ट अंतराल कैंसर के मामलों के 106 पूर्व मैमोग्राम के सभी की समीक्षा की और बाद इमेजिंग या बायोप्सी पर उपलब्ध रिपोर्ट के आधार पर आयताकार बॉक्स के साथ वास्तु विरूपण की संदिग्ध क्षेत्रों के रूप में चिह्नित है, या मैमोग्राम का विस्तृत निरीक्षण से . वर्तमान अध्ययन में इस्तेमाल डाटासेट में 106 पूर्व mammographic छवियों के, 38 छवियाँ दिखाई वास्तु विकृति है, और शेष 68 छवियों कोई स्पष्ट रूप से संदिग्ध या EV होतेवास्तु विरूपण अध्यक्ष. रेडियोलाजिस्ट द्वारा तैयार आयताकार बॉक्स द्वारा की पहचान के रूप में प्रत्येक पूर्व मैमोग्राम वास्तु विरूपण की एक साइट में शामिल है. औसत चौड़ाई, ऊंचाई, और रेडियोलाजिस्ट द्वारा चिह्नित छवियों के 106 संदिग्ध भागों के क्षेत्र क्रमशः मानक 11.8 मिमी के विचलन, 11.6 मिमी, और 1073.9 मिमी 2, के साथ, 56 मिमी, 39 मिमी, और 2,274 मिमी 2 हैं.

Subscription Required. Please recommend JoVE to your librarian.

Protocol

1. पद्धति का अवलोकन

हमारी प्रक्रिया में, मैमोग्राम में वास्तु विकृति के संभावित स्थलों स्वतः गेबर के एक बैंक के आवेदन के साथ उन्मुख textural पैटर्न के विश्लेषण के माध्यम से पता चला रहे हैं 26 फिल्टर और चरण की मॉडलिंग 11,27 तस्वीरें. पता चला साइटों तो वास्तु विरूपण, एक प्रशिक्षित क्लासिफायरफ़ाइल के विकास, और पैटर्न मान्यता या वर्गीकरण के लिए एक एल्गोरिथ्म के आवेदन करने के लिए चिह्नित सुविधाओं या उपायों की निकासी के इस कदम के माध्यम से कार्रवाई की जाती है. प्रक्रिया के बाद कदम 11,20,21 से संक्षेप:

  1. खण्ड अनुकूली thresholding और रूपात्मक खोलने का उपयोग कर दिया mammographic छवि में स्तन भाग.
  2. गेबर, एम (मैं, जम्मू), और गेबर कोण छवि, θ गेबर परिमाण छवि प्राप्त करने के लिए -90 ° 90 ° करने के लिए सीमा पर समान रूप से स्थान कोण के साथ फिल्टर 180 का एक सेट लागू करें(मैं, जम्मू), प्रत्येक पिक्सेल पर उच्चतम प्रतिक्रिया, (मैं, जम्मू) के साथ फिल्टर की प्रतिक्रिया और कोण का चयन करके.
  3. ऐसे spicules और fibroglandular ऊतक के रूप में ब्याज की वक्रीय संरचनाओं (CLSs), का चयन करें, इस तरह का कवच मांसपेशी, parenchymal ऊतक, स्तन सीमा, और शोर के किनारों के रूप में confounding संरचनाओं, से उन्हें भेद से, अभिविन्यास क्षेत्र का उपयोग करके, ढाल क्षेत्र, nonmaximal दमन (एनएमएस) तकनीक, और अतिरिक्त शर्तों 11.
  4. शोर और आगे कम्प्यूटेशनल जरूरतों 11,20 को कम करने के लिए चार का एक पहलू से मानक 7 पिक्सल के विचलन और नीचे नमूना के साथ एक गाऊसी फिल्टर के साथ उन्मुखीकरण क्षेत्र तक.
  5. विशेष प्रकार के लिए संबंधित चरण चित्र नक्शे का चयन करने के लिए विशेष शर्तों के साथ, फ़िल्टर उन्मुखीकरण क्षेत्र के लिए, कदम के प्रति एक पिक्सेल के साथ, आकार 800 माइक्रोन / पिक्सेल में 10 x 10 पिक्सल के एक रपट विश्लेषण खिड़की के साथ, रैखिक चरण चित्र मॉडलिंग लागू करें नोड PatteRNS 11,20.
  6. कुछ शर्तों के नोड के नक्शे के लिए फार्म का विश्लेषण खिड़की की प्रत्येक स्थिति के लिए नियत बिन्दु द्वारा दी गई स्थिति में, से मुलाकात कर रहे हैं, तो एक वोट डाली.
  7. एक दूसरे के करीब निकटता में वोट को मजबूत करने के लिए 6 पिक्सल (4.8 मिमी) के अनुभव से निर्धारित मानक विचलन, साथ, आकार 35 x 35 पिक्सल के एक गाऊसी खिड़की के साथ नोड नक्शा फ़िल्टर.
  8. कल का आदेश नोड के नक्शे में चोटियों से नोड के नक्शे का विश्लेषण करें.
  9. नोड के नक्शे में संबंधित चोटी के केंद्र में स्थित प्रत्येक रॉय के केंद्र के साथ मूल छवि से किनारों,, पर छोड़कर आकार 128 x 128 पिक्सल का ब्याज (ROIs) की कट क्षेत्रों,. छवि संसाधित किया जा रहा है के किनारों पर, निर्दिष्ट विंडो में उपलब्ध के रूप में छवि डेटा के रूप में ज्यादा शामिल करने के लिए ROIs पैदा करते हैं.
  10. सुविधाओं या वास्तु विरूपण से संबंधित spiculating पैटर्न विशेषताएँ और प्रारंभिक स्थितियों में से कुछ से मुलाकात की कि सामान्य ऊतकों पैटर्न से उन्हें अलग करने के उपाय निकाले जाते हैं.
    11. <ली> वास्तु विकृति के साथ साइटों की सुविधाओं और एक रेडियोलाजिस्ट द्वारा वर्गीकृत ROIs के एक प्रशिक्षण सेट का उपयोग कर सामान्य ऊतकों पैटर्न के उन लोगों के बीच भेदभाव करने के लिए एक प्रशिक्षित क्लासिफायरफ़ाइल का विकास करना.
  11. परीक्षण के मामलों का एक सेट करने के लिए प्रशिक्षित वर्गीकारक लागू करें और रेडियोलाजिस्ट द्वारा प्रदान की है और बायोप्सी के आधार पर निदान के साथ परिणामों की पुष्टि.

कदम ऊपर सूचीबद्ध 1-9 एक दिया mammographic छवि को स्वचालित रूप से लागू कर रहे हैं. ऊपर सूचीबद्ध प्रक्रिया के चयनित कदम निम्न अनुभागों में वर्णित और सचित्र हैं.

2. Mammographic छवियाँ की preprocessing

preprocessing चरण निम्न चरणों के होते हैं:

  1. 2 पिक्सल और 50 माइक्रोन / पिक्सेल के प्रस्ताव पर 13 x 13 पिक्सल और 12 बिट / पिक्सेल के आकार का एक मानक विचलन के साथ, एक गाऊसी फिल्टर का उपयोग कर दिया mammographic छवि फिल्टर, और नीचे नमूना 200 माइक्रोन / पिक्सेल और 8 बिट करने के लिए / पिक्सेल संकल्प.
  2. प्रतिबिंबित करनायह सही स्तन की है अगर छवि.
  3. खण्ड Otsu के अनुकूली thresholding विधि और त्रिज्या का एक डिस्क के आकार का संरचना तत्व 25 पिक्सल (200 माइक्रोन / पिक्सेल में 5 मिमी) 21,28,29 साथ रूपात्मक खोलने का उपयोग mammographic छवि में स्तन क्षेत्र.
  4. लगभग स्तन सीमा 10,21 पता लगाएँ.

चित्रा 2A एक मूल पूर्व मैमोग्राम. एक ही व्यक्ति की चित्रा 2B प्रोसेसिंग और विश्लेषण के बाद के चरणों में प्रयोग किया जाता है जो स्तन हिस्से की लगभग विभाजन के परिणाम से पता चलता है दिखाता है.

3. गेबर फिल्टर का प्रयोग उन्मुख पैटर्न की निकासी

-90 डिग्री पर उन्मुख असली गेबर फिल्टर समारोह 10,30 के रूप में हमारे काम में निर्दिष्ट किया जाता है:

1 समीकरण
जहां & #963, एक्स और σ y एक्स और वाई दिशाओं में मानक विचलन मान रहे हैं, और ƒ ओ modulating sinusoid की आवृत्ति है. अन्य कोणों पर फिल्टर के रूप में परिवर्तन समन्वय का उपयोग कर इस समारोह घूर्णन द्वारा प्राप्त कर रहे हैं:

2 समीकरण के पूरक
जहां (एक्स ',' y) कोण α द्वारा घुमाया निर्देशांकों का सेट है.

10 के रूप में निम्नानुसार छानने मैमोग्राम के लिए समीकरण 1 में मापदंडों को ध्यान में पता लगाया जा स्तन के ऊतकों पैटर्न का औसत आकार लेने से हमारे काम में प्राप्त कर रहे हैं:

  1. Τ एक्स अक्ष के साथ 1 समीकरण में गाऊसी अवधि का आधा अधिकतम पर पूर्ण चौड़ाई रहने दो..
  2. 0 से मोटाई के लिए इसी Τ = 4 पिक्सल दो.200 माइक्रोन के पिक्सेल आकार में 0.8 मिमी.
  3. गणना समीकरण 3.3 .
  4. कोज्या अवधि की अवधि Τ हो जाने दो, फिर, ƒ ओ = 1 / Τ.
  5. Σ का मूल्य y के रूप में परिभाषित किया जा चलो σ Y = lσ एक्स, एक्स दिशा में फिल्टर की चौड़ाई की तुलना में एल, y दिशा में गेबर फिल्टर के बढ़ाव को निर्धारित करता है. / पिक्सेल 200 माइक्रोन, उपयोग एल = 8 में mammograms के विश्लेषण के लिए.

180 असली गेबर के एक बैंक में समान रूप से ° मैमोग्राम 10, 21 में उन्मुख पैटर्न का पता लगाने के लिए हमारे तरीके में प्रयोग किया जाता है 90 के लिए सीमा -90 ° से अधिक दूरी पर फिल्टर. प्रत्येक दिए छवि के लिए, एक गेबर परिमाण छवि, एम (मैं, जम्मू), और एक गेबर कोण छवि, θ (मैं, जम्मू), वीं की प्रतिक्रिया और कोण का उपयोग कर प्राप्त कर रहे हैंप्रत्येक पिक्सेल पर उच्चतम प्रतिक्रिया, (मैं, जम्मू) के साथ ई गेबर फिल्टर.

गेबर फिल्टर आवृत्ति विमान (शून्य आवृत्ति) के मूल में एक अशून्य परिमाण प्रतिक्रिया है. कम आवृत्ति घटकों वास्तु विकृति की उपस्थिति से संबंधित नहीं हैं, क्योंकि यह अभिविन्यास क्षेत्र परिमाण में mammographic छवि के कम आवृत्ति घटकों के प्रभाव को कम करने के लिए वांछनीय है. इसलिए, mammographic छवियों पूर्व उन्मुखीकरण क्षेत्र की निकासी के लिए फ़िल्टर उच्च पास हैं. इस मूल छवि और उसी छवि के एक कम पास फ़िल्टर संस्करण के बीच अंतर कंप्यूटिंग द्वारा हासिल की है. इस चरण में इस्तेमाल कम पास फिल्टर Y ऊपर के रूप में परिभाषित σ के बराबर मानक विचलन के साथ एक गाऊसी फिल्टर है.

एक काम में मौजूद है, ब्याज की प्रत्येक कोण के लिए फ़िल्टर छवि को बचा सकता है, किया फिल्टर (कोण) के सभी पर प्रत्येक पिक्सेल पर अधिकतम प्रतिक्रिया हैएक एकल छवि में बचाया, गेबर परिमाण प्रतिक्रिया के रूप में भेजा, गेबर फिल्टर की इसी कोण एक और छवि में प्रत्येक पिक्सेल में सहेजा जाता है, गेबर कोण प्रतिक्रिया के रूप में भेजा. साथ में, दो उत्पादन छवियों दिए छवि के उन्मुखीकरण क्षेत्र प्रदान करते हैं.

चित्रा 3 ए. चित्रा 3B विभिन्न कोणों पर ऊर्जा की सांद्रता को दर्शाया गया है जो छवि के फूरियर स्पेक्ट्रम से पता चलता है एक संयंत्र के एक परीक्षण छवि को दर्शाता है. एक ही उन्मुखीकरण के साथ छवि के सभी भागों, भले ही उनकी स्थिति और आकार की, उनकी आवृत्ति घटकों (वर्णक्रमीय ऊर्जा) छवि में उनके उन्मुखीकरण के लिए सम्मान के साथ 90 डिग्री पर तैनात एक कोणीय बैंड या क्षेत्र में स्थित है. गेबर साथ छवि को छानने का परिणाम Τ = 8 पिक्सल और एल = 8 आंकड़े -3 सी और डी में दिखाया जाता है के साथ फिल्टर. यह गेबर फिल्टर उच्च पत्रिका के साथ विभिन्न कोणों पर उन्मुख संयंत्र के कुछ हिस्सों को निकाला है कि स्पष्ट हैnitude प्रतिक्रिया और कोण है कि प्रतिक्रिया इसी पिक्सेल में प्रमुख विशेषता वर्तमान के उन्मुखीकरण के साथ सहमत हैं. गैबर के एक बैंक का उपयोग करके 90 ° करने के लिए श्रृंखला -90 ° पर कई कोणों पर उन्मुख फिल्टर, हम प्रत्येक पिक्सेल में छवि और उनके कोण में मौजूद उन्मुख घटकों के सभी निकाला है. यह गेबर फिल्टर की प्रतिक्रिया ही तीव्रता के स्तर पर और कोई संरचनाओं पसंदीदा अभिविन्यास के साथ, इस तरह के बर्तन के हिस्से के रूप में और दीवार के साथ लगभग शून्य चिकनी क्षेत्रों में है कि स्पष्ट है.

चित्रा 4 चित्रा 2B में दिखाया वास्तु विकृति के साथ मैमोग्राम के लिए प्राप्त गेबर परिमाण और कोण प्रतिक्रियाओं से पता चलता है. यह गेबर फिल्टर उच्च प्रतिक्रियाओं के साथ ही इसी कोण के साथ उन्मुख घटक निकाला है कि स्पष्ट है. यह भी गेबर फिल्टर की प्रतिक्रिया को प्राथमिकता ORIENTA साथ लगभग स्थिर घनत्व और कोई संरचनाओं के साथ चिकनी क्षेत्रों में कम है कि देखा जाता हैtion. करीब निरीक्षण पर, यह भी गेबर फिल्टर की प्रतिक्रिया अपनी पृष्ठभूमि और इसकी घनत्व या चमक पर न केवल के संबंध में एक उन्मुख संरचना के विपरीत पर निर्भर करता है कि देखा जा सकता है. इन परिणामों गेबर फिल्टर का bandpass प्रकृति के कारण हैं.

4. वक्रीय संरचनाएं का चयन

Mammograms नलिकाओं, जहाजों, स्नायुबंधन, parenchymal ऊतक, और छाती पर का कवच मांसपेशी के किनारों को इसी कई CLSs होते हैं. मैमोग्राम में कुछ असामान्यताओं ऐसे spiculated जनता 12,31,32 और वास्तु विरूपण 10,11,33 रूप सीएलएस के कुछ प्रकार, की उपस्थिति से या स्तन छवि 34 में उन्मुख बनावट के असममित संरचना के द्वारा होती जा सकता है. दूसरी ओर, इस तरह घिरा जनता के घावों, के कुछ प्रकार, अनुमान mammographic छवियों में घावों पर आरोपित कई CLSs से छिप जा सकता है, इस तरह के घावों की उपस्थिति एएलटी हो सकता हैमाना और झूठी नकारात्मक का पता लगाने या misdiagnosis के लिए नेतृत्व कर सकते हैं. Zwiggelaar एट अल. 35 द्वारा सुझाए गए मैमोग्राम में CLSs वर्तमान का विश्लेषण, spiculated जनता और वास्तु विकृति का पता लगाने के लिए एल्गोरिदम के प्रदर्शन को बेहतर कर सकता है. इसलिए, CLSs की पहचान वास्तु विकृति का पता लगाने में एक महत्वपूर्ण कदम है.

वर्तमान काम में इस्तेमाल किया गेबर फिल्टर बैंक ऐसे spicules और फाइबर के रूप में रैखिक संरचनाओं, के प्रति संवेदनशील है, यह भी उन्मुख संरचनाओं के रूप में इस तरह के कवच की मांसपेशियों के किनारों, parenchymal ऊतक के किनारों, और वाहिनियों की दीवारों के रूप में अन्य मजबूत किनारों, का पता लगाता है . Fibroglandular डिस्क 36 के आसपास मजबूत किनारों फोकल त्याग के रूप में जाना वास्तु विकृति 37 की एक विशेष फार्म का पता लगाने में इस्तेमाल किया जा सकता है. हालांकि, वर्तमान काम में, यह fibroglandular ऊतकों को केवल CLSs संबंधित उन्मुख सुविधाओं के रूप में पहचाने जाते हैं कि महत्वपूर्ण है.

  1. खण्ड धारा 2 में वर्णित के रूप में दिया मैमोग्राम में स्तन क्षेत्र.
  2. गेबर परिमाण प्रतिक्रिया छवि को एनएमएस तकनीक 35,38 लगाने से कोर सीएलएस पिक्सल का पता लगाने.
  3. एक मजबूत ढाल 33 के साथ साइटों पर CLSs पिक्सल अस्वीकार.

एनएमएस एल्गोरिथ्म स्थानीय उन्मुखीकरण क्षेत्र कोण करने के लिए खड़ा है कि दिशा के साथ अपने पड़ोसियों के साथ परिमाण प्रतिक्रिया छवि में प्रत्येक पिक्सेल की तुलना द्वारा कोर सीएलएस पिक्सल को दिखाता है, चित्रा 5. जांच के तहत पिक्सेल इसी पड़ोसियों की तुलना में एक बड़ा परिमाण मान हो, तो पिक्सेल एक कोर सीएलएस पिक्सेल है. एनएमएस (जैसे चतुर बढ़त डिटेक्टर 39) के रूप में कई किनारे डिटेक्टरों में एक आम कदम है. Zwiggelaar एट अल. इस में वर्णित के रूप में एक ही तरीके से सीएलएस पिक्सल का पता लगाने के लिए 35 खेतों में एनएमएसखंड.

एक मजबूत ढाल की उपस्थिति एक सीएलएस की एक गलत पता लगाने के लिए अग्रणी गेबर परिमाण प्रतिक्रिया में एक लहर पैदा कर सकता है. मजबूत ढ़ाल की उपस्थिति के साथ जुड़े कोर सीएलएस पिक्सल spiculated घावों का पता लगाने के संदर्भ में Karssemeijer और ते ब्रेक 12 द्वारा प्रस्तावित मानदंडों से खारिज कर रहे हैं. mammographic छवि की ढाल पांच पिक्सल (1 मिमी) के एक मानक विचलन के साथ एक गाऊसी के पहले व्युत्पन्न का उपयोग कर प्राप्त किया जाता है. प्रत्येक कोर सीएलएस पिक्सेल के लिए, ढाल की दिशा अभिविन्यास क्षेत्र की दिशा की तुलना में है. उन्मुखीकरण क्षेत्र की दिशा और ढाल लिए सीधा दिशा के बीच के अंतर को कम से कम 30 डिग्री है, तो इसी कोर सीएलएस पिक्सेल खारिज कर दिया है.

Fibroglandular डिस्क बाहर CLSs की तुलना में fibroglandular डिस्क भीतर CLSs आम तौर पर इसके विपरीत कम होती है. मिथ्या भीतर नतीजतन, CLSsroglandular डिस्क डिस्क बाहर CLSs से छोटी गेबर परिमाण प्रतिक्रिया मूल्य नहीं है. स्थान के स्वतंत्र सीएलएस पिक्सल के सभी के लिए एक ही वजन आवंटित करने के लिए, और इस तरह के fibroglandular डिस्क भीतर spicules के रूप में कम विपरीत, साथ प्रासंगिक CLSs का पता लगाने के लिए सुनिश्चित करने के लिए, परिमाण क्षेत्र एम (मैं, जम्मू) के लिए बदल दिया है केवल कोर सीएलएस पिक्सल से बना एक छवि से आगे की प्रक्रिया के रूप में परिभाषित एम सीएलएस (मैं, जम्मू), इस प्रकार है:

3 समीकरण
छवि एम सीएलएस (मैं, जम्मू) CLSs की उपस्थिति पर महत्वपूर्ण जानकारी बता देते हैं. 6 आंकड़ा एक पूर्ण मैमोग्राम और एक रॉय के साथ सीएलएस चयन के परिणामों से पता चलता है. वास्तु विकृति की उपस्थिति बल्कि उनके घनत्व या तीव्रता, magni से संबद्ध CLSs के ज्यामितीय व्यवस्था ने संकेत दिया है क्योंकिपता चला CLSs की tude उन्मुख संरचनाओं के स्थानिक लेआउट की तुलना में कम महत्व की है.

5. चरण चित्रों के विश्लेषण के माध्यम से पता लगाने और संदिग्ध साइटों के लेबल

राव और जैन 40 चरण चित्रों की उपस्थिति के साथ इसी ढाल उन्मुखीकरण क्षेत्र जोड़ से छवियों में उन्मुख बनावट के विश्लेषण के लिए एक विधि विकसित की है. एक दो रैखिक की प्रणाली, पहले के आदेश, अंतर समीकरणों के एक चरण के चित्र राज्य चर 27 के संभावित प्रक्षेप पथ से पता चलता है.

चलो पी (टी) और क्यू (टी), टी आईएसआईएन प्रतीक आर, के रूप में संबंधित समय टी के दो differentiable कार्य का प्रतिनिधित्व

3 समीकरण
इधर,पी • (टी) और क्यू • (टी) समय के लिए सम्मान के साथ पहली आदेश डेरिवेटिव हैं, और एफ और जी पी और क्यू 10 के कार्य कर रहे हैं. प्रारंभिक स्थितियों पी को देखते हुए (0) और क्यू (0), समाधान [पी (टी), क्यू (टी)], एक पैरामीट्रिक प्रक्षेपवक्र के रूप में प्रतिनिधित्व या (पी, क्यू में एक काल्पनिक कण को कारगर किया जा सकता है ) विमान. कण पर रखा गया है [पी (0), क्यू (0)] समय = 0 टी और वेग [पी • (टी) और क्यू • (टी)] के साथ (पी, क्यू) विमान के माध्यम से चलता है. (पी, क्यू) विमान प्रणाली के चरण विमान के रूप में जाना जाता है. एक चरण चित्र चरण विमान में एक कण के संभावित प्रक्षेप पथ का ग्राफ है. एक नियत बिन्दु (चरण विमान जहां पी • में एक बिंदु है एम> T) = 0 और क्यू • (टी) = 0. एक निश्चित बिंदु पर छोड़ दिया कण स्थिर बनी हुई है. एक affine प्रणाली के लिए, हम हैं

समीकरण 4
इधर, एक एक 2 x 2 मैट्रिक्स है और बी एक 2 एक्स 1 कॉलम मैट्रिक्स है. चरण चित्र के केंद्र (पी 0, क्यू 0) के रूप में नियत बिन्दु द्वारा दिया जाता है

5 समीकरण
हम छवि संसाधित किया जा रहा से विमान के एक्स और वाई निर्देशांक के साथ कार्यों पी (टी) और क्यू (टी) से संबद्ध है, तो इसी उन्मुखीकरण क्षेत्र है

res.jpg "चौड़ाई =" 500 "/>
इधर, Φ (XY) वेग वेक्टर [पी • (टी), क्यू • (टी)] (एक्स, वाई) में एक्स अक्ष के लिए सम्मान के साथ = के कोण [पी (टी), क्यू (टी)] है . हम गेबर कोण प्रतिक्रिया θ (मैं, जम्मू) के साथ Φ (XY) सहयोगी, और के रूप में कम किया जा करने के लिए एक त्रुटि समारोह को परिभाषित

समीकरण 7
जहां [ए, बी] और [सी, डी] एक की दो पंक्तियाँ हैं. पिछले कार्यकाल spiculated नोड पैटर्न से संबंधित उन से मैट्रिक्स एक के विन्यास में विचलन के लिए एक उच्च जुर्माना (लागत) के लिए प्रदान करता है. ऊपर दिए गए समीकरण के बजाय निरंतर अंतरिक्ष (एक्स, वाई) के एक असतत ग्रिड (मैं, जम्मू) पर Φ (XY) का प्रतिनिधित्व करता है. ESTIMएक और ε 2 कि कम से कम बी की Ates (क, ख) निम्नलिखित प्रक्रिया द्वारा प्राप्त कर रहे हैं:

  1. एक के प्रारंभिक अनुमान प्राप्त और ε 2 के न्यूनतम के माध्यम से बी (क, ख) नकली annealing विधि 41 का उपयोग.
  2. एक nonlinear कम से कम वर्गों एल्गोरिथ्म 42 का उपयोग करके प्रारंभिक अनुमानों को परिष्कृत करके इष्टतम अनुमान प्राप्त.

नोड, काठी, और सर्पिल: उपरोक्त वर्णित मॉडल में, चरण चित्रों की तीन संभव प्रकार के होते हैं. चरण चित्र के प्रकार के एक 10,27,30,40 eigenvalues ​​के द्वारा निर्धारित किया जाता है. एक textured छवि के उन्मुखीकरण क्षेत्र अपनी अभिविन्यास क्षेत्र के लिए सबसे अधिक इसी तरह की है कि चरण चित्र के प्रकार का निर्धारण द्वारा वर्णित किया जा सकता है. सर्पिल पैटर्न के विश्लेषण के हित में नहीं हैं क्योंकिनोड और काठी: मैमोग्राम, हम चरण चित्रों के केवल दो प्रकार के हैं, जिसके परिणामस्वरूप सममित होने की मैट्रिक्स विवश.

क्योंकि अनुमान mammographic छवि में आरोपित मिलता है कि विभिन्न कोणों पर spicules की एक संख्या की उम्मीद उपस्थिति की, हम वास्तु विरूपण की एक साइट नोड की तरह विशेषताओं पेश करेंगे परिकल्पना है कि. हालांकि, सामान्य ऊतकों, नलिकाओं, जहाजों, और स्तन में अन्य उन्मुख संरचनाओं को भी पेश किया है और मैमोग्राम में वास्तु विकृति की उपस्थिति की नकल पैटर्न है कि फार्म के लिए आरोपित मिल सकता है. इसलिए, हम संदिग्ध साइटों या वास्तु विकृति के संभावित स्थलों का पता लगाने के लिए नोड के नक्शे का विश्लेषण, और निकासी की सुविधा और पैटर्न वर्गीकरण के आगे कदम के माध्यम से पता लगाया साइटों का विश्लेषण.

मैमोग्राम कई पैटर्न का प्रदर्शन कर सकता है, इसलिए हम ओ के साथ 800 माइक्रोन / पिक्सेल में, आकार 10 x 10 पिक्सल के एक रपट विश्लेषण खिड़की लागूकदम प्रति पूर्वोत्तर पिक्सेल. लागू शर्तों के सभी संतुष्ट हैं, तो खिड़की की प्रत्येक स्थिति के लिए, एक वोट, इसी नियत बिन्दु द्वारा दी गई स्थिति में, नोड के नक्शे के रूप में संदर्भित एक नक्शा, में डाली है. 3.0 की तुलना में अधिक से अधिक अपनी हालत संख्या के साथ मैट्रिक्स एक करने के लिए संबंधित परिणाम वास्तु विकृति 11 के साथ जुड़े होने की उम्मीद नहीं पैटर्न की अनदेखी करने खारिज कर रहे हैं. इसके अलावा, एक अतिरिक्त शर्त एक नियत बिन्दु और इसी विश्लेषण विंडो की स्थिति के बीच की दूरी पर लगाया जाता है: दूरी कम से कम तीन पिक्सल (2.4 मिमी) या अधिक से अधिक से अधिक 20 पिक्सल (16 मिमी), वर्तमान के लिए परिणाम है अगर विश्लेषण खिड़की खारिज कर रहे हैं. वोट की भयावहता फिट ε 2 के उपाय के अनुपात के बराबर सेट है (क, ख), चरण चित्र के समस्थानिकता पर जोर देना, एक की हालत संख्या के समीकरण 7 में परिभाषित किया. नोड का नक्शा तब नियंत्रण रेखा का पता लगाने के लिए विश्लेषण किया हैअल Maxima या वास्तु विरूपण की साइटों इंगित करने के लिए उम्मीद कर रहे हैं कि चोटियों. हालांकि, प्रक्रिया भी आरोपित सामान्य संरचनाओं की वजह से झूठी सकारात्मक (एफपी) साइटों की संख्या का पता लगाने में यह परिणाम है.

नोड के नक्शे में प्रत्येक चरम पर, हम स्वचालित रूप से 200 माइक्रोन / पिक्सेल में mammographic छवि से, आकार 128 x 128 पिक्सल की छवियों के किनारों पर छोड़कर, एक रॉय निकाल सकते हैं. हम मैमोग्राम प्रति 30 ROIs की एक अधिकतम करने के लिए, चोटियों के मूल्यों के घटते क्रम में, नोड के नक्शे में चोटियों ने संकेत दिया स्थानों पर ROIs लेबल.

जाना जाता निदान के साथ मैमोग्राम हमारी प्रक्रिया को प्रशिक्षित करने के लिए इस्तेमाल कर रहे हैं, स्वचालित रूप से रेडियोलाजिस्ट द्वारा की पहचान वास्तु विकृति के कुछ हिस्सों के भीतर अपने केन्द्रों के साथ ROIs का पता चला सच पॉजिटिव (टी.पी.) ROIs के रूप में चिह्नित कर रहे हैं, दूसरों को उपयोग में लिए एफपी ROIs के रूप में चिह्नित कर रहे हैं प्रशिक्षण प्रक्रिया. मैमोग्राम प्रशिक्षित प्रक्रिया का उपयोग कर विश्लेषण किया जाता है, ROIs के सभी का पता चला एकऊपर किसी भी लेबलिंग बिना वर्गीकरण के लिए कार्रवाई कर रहे हैं.

चित्रा 7 नोड का नक्शा और चित्रा 2B में दिखाया गया मैमोग्राम के लिए पता लगाया ROIs से पता चलता है. लाल आयतों रेडियोलाजिस्ट द्वारा चिह्नित संदिग्ध क्षेत्र से संकेत मिलता है.

8 चित्रा कई मैमोग्राम से स्वचालित रूप से निकाले टी.पी. और एफपी ROIs के एक नंबर से पता चलता है. टी.पी. ROIs के अधिकांश कोण की एक विस्तृत श्रृंखला में फैला कई spicules और उन्मुख पैटर्न है. एफपी ROIs, दूसरे हाथ पर, कोण का एक संकरा सीमा पर उन्मुख सामान्य ऊतक संरचनाओं की एक छोटी संख्या है, की परवाह किए बिना, की वजह से अनुमान mammographic छवि में उनके superposition के लिए, वे वास्तु विरूपण की नोड की तरह विशेषताओं की नकल.

हमारी रणनीति, (तदनुसार कम झूठी नकारात्मक) के साथ प्रारंभिक चरण में उच्च दक्षता या संवेदनशीलता के साथ संदिग्ध क्षेत्रों का पता लगा है, भले ही साथ संख्या के एफपीएस बड़ी है. ROIs के विश्लेषण के अगले कदम का पता चला ROIs के कुशल लक्षण वर्णन और वर्गीकरण के माध्यम से एफपीएस कम करने में मदद करने के लिए बनाया गया है.

6. वास्तु विरूपण की विशेषता

संबंधित नोड के नक्शे में एक चोटी पर केन्द्रित वास्तु विरूपण, सहित एक स्वचालित रूप से पता आरओआई विभिन्न कोणों पर बिखरे हुए कई spicules अधिकारी होने की संभावना है. हम इस विशेषता फूरियर डोमेन छवि डोमेन और वर्णक्रमीय ऊर्जा के क्षेत्र में ऊर्जा का एक व्यापक कोणीय प्रसार के लिए नेतृत्व की उम्मीद है. हमारे पिछले कार्यों में, हम इस तरह के एक कोणीय फैलाव एक कोणीय हिस्टोग्राम 21,22 है जो एक गुलाब आरेख, के रूप में कुशलता से प्रतिनिधित्व किया जा सकता है दिखाया है. हम इकाई क्षेत्र है और एक प्रायिकता घनत्व समारोह (पीडीएफ) के रूप में व्यवहार करने के लिए गुलाब आरेख मानक के अनुसार. फिर, हम विकार या बिखराव का एक सांख्यिकीय माप है जो प्रत्येक रॉय का उपयोग एन्ट्रापी, पीडीएफ विशेषताएँ.

"ontent> वास्तु विकृति के साथ क्षेत्रों में ऊतक पैटर्न की वृद्धि हुई बिखराव सामान्य स्तन के ऊतकों के भग्न प्रकृति को संशोधित करता है. भग्न का आमतौर पर इस्तेमाल किया मॉडल आत्म समान पैटर्न 43-46 की multiscale नेस्टेड पैटर्न पर आधारित हैं. भग्न व्यवहार का एक और मॉडल है शक्ति (1 / एफ) के अनुपात में कम हो जाती है, जिसमें आवृत्ति डोमेन में एक स्पेक्ट्रम से संबंधित है जो आंशिक ब्राउनियन गति (FBM) ^ β, च आवृत्ति है और β वर्णक्रमीय घटक 47,48 के रूप में जाना जाता है. FBM मॉडल यादृच्छिक रूप से बादल पैटर्न के समान हैं कि भग्न छवियों की ओर जाता है;. तुलनीय पैटर्न अक्सर मैमोग्राम में देखा जाता है छवियों के लिए इस मॉडल को लागू करने के लिए, छवि के दो आयामी (2 डी) फूरियर स्पेक्ट्रम एक एक करने के लिए परिवर्तित करने की आवश्यकता है आयामी (1 डी) समारोह.

हम कोणीय प्रसार के लिए चिह्नित करना और भग्न dimens के एक अनुमान प्राप्त करने के लिए एक एकीकृत विधि विकसित की हैएस द्वारा चिह्नित आयताकार निर्देशांक में छवि का 2 डी फूरियर स्पेक्ट्रम, मानचित्रण द्वारा एक छवि का आयन (एफडी) (यू, वी), एस द्वारा चिह्नित ध्रुवीय निर्देशांक, (ƒ, Ν) में स्पेक्ट्रम के लिए. प्रक्रिया के बाद कदम 21 से वर्णित है:

  1. प्रत्येक स्वतः निकाले 128 x 128 रॉय और पैड आकार 256 x 256 पिक्सल के एक सरणी के लिए शून्य के साथ परिणाम को वॉन Hann खिड़की लागू करें.
  2. 2 डी फूरियर बिजली स्पेक्ट्रम, एस (यू, वी), रॉय के एक अनुमान प्राप्त करने के लिए गद्देदार रॉय और प्रत्येक परिणामस्वरूप जटिल मूल्य के परिमाण के बदलने कंप्यूट.
  3. बाद के चरणों में बाहर करने के लिए स्पेक्ट्रम के चयनित कम आवृत्ति और उच्च आवृत्ति भागों की पहचान.
  4. 2 डी शक्ति स्पेक्ट्रम के नक्शे (यू, वी) कार्तीय resampling और एक भारित औसत कंप्यूटिंग द्वारा (आयताकार) निर्देशांक (यू, वी) ध्रुवीय निर्देशांक (ƒ, Ν) एस प्राप्त करने के लिए (ƒ, Ν), से ई की चार पड़ोसियोंशून्य से नमूना आवृत्ति के आधे से लेकर रेडियल दूरी च, के लिए और कोण Ν = [0, 179 °] की सीमा पर ACH बिंदु.
  5. शून्य आवृत्ति Ν में सीमा पर बिंदु = [0, 179 °] में से च रेडियल दूरी या आवृत्ति के एक समारोह के रूप में एकीकृत कर, एक -1 डी समारोह एस (ƒ) में 2 डी स्पेक्ट्रम एस (ƒ, Ν) रूपांतरण कोण.
  6. चयनित कम आवृत्ति और उच्च आवृत्ति क्षेत्रों में अंक को छोड़कर एक लॉग इन लॉग पैमाने पर -1 डी स्पेक्ट्रम एस (ƒ) की एक सीमित आवृत्ति श्रृंखला के लिए रेखीय प्रतिगमन लागू करें, और एक अनुमान है जो फिट लाइन की ढलान β प्राप्त FBM मॉडल में वर्णक्रमीय घटक.
  7. (- Β 8) / 2 15,49,50 एफडी = के रूप में एफडी के अनुमानित मूल्य की गणना करें.
  8. एक -1 डी समारोह एस (Ν) में 2 डी स्पेक्ट्रम एस (ƒ, Ν) रूपांतरण, के लिए कोण Ν के एक समारोह के रूप में एकीकृत करसीमा [0, 179 °], रेडियल दूरी ƒ से अधिक शून्य आवृत्ति बिंदु से = [1, 128] पिक्सल.
  9. इकाई राशि है और के रूप में परिणाम के entropy की गणना करने के लिए एस (Ν) मानक के अनुसार समीकरण 6.9 .

ऊपर वर्णित ज्यामितीय परिवर्तन आवधिक या spiculated बनावट 9 के वर्णक्रमीय विशेषताओं के बेहतर प्रतिनिधित्व और दृश्य की ओर जाता है. चयनित निम्न और उच्च आवृत्ति क्षेत्रों छवि के समग्र स्वरूप और छवि में मौजूद बड़े ढांचों, साथ ही उच्च आवृत्ति के प्रभाव को रोकने के लिए से संबंधित कम आवृत्ति घटकों के प्रभाव को दूर करने के लिए बाहर करने की जरूरत है शोर. काम में मौजूद है, आवृत्तियों के बैंड (nonlinear अंश यानी) β और एफडी के आकलन में शामिल होने के लिए जाना एफडी के साथ संश्लेषित छवियों का उपयोग प्रयोग के आधार पर चुना है और यह भी एक का उपयोग कर रहे हैंमैमोग्राम के ROIs की संख्या. रेखीय मॉडल फिट करने के लिए इस्तेमाल किया ƒ की श्रेणी [6, 96] पिक्सल से मेल खाती है या [0.117, 1.875] [1, 128] पिक्सल की सीमा आवृत्ति रेंज [0, 2.5 की असतत प्रतिनिधित्व करने के लिए मेल खाती है जहां मिमी -1, ] मिमी -1.

आंकड़े 9 और 10 भग्न विश्लेषण और एक टी.पी. रॉय और क्रमश: एक एफ पी रॉय, के लिए आवृत्ति डोमेन में बिजली की कोणीय प्रसार के आकलन के लिए विभिन्न चरणों का वर्णन. चित्रा 9D टी.पी. रॉय के लिए multidirectional spiculating पैटर्न के अस्तित्व को इंगित करता है, जबकि चित्रा 10D में, सत्ता के प्रसार एफपी रॉय के लिए कोणीय बैंड की एक छोटी संख्या को सीमित कर रहा है.

7. पैटर्न वर्गीकरण और मान्यकरण

धारा 6 में वर्णित के रूप में, [नोड मूल्य, एच एफ, एफडी]: हम अब प्रत्येक रॉय के लिए तीन उपाय या सुविधाओं को स्वचालित रूप से पता लगाया है. हम इन सुविधाओं का उपयोग, मैंndividually और सामूहिक, वास्तु विकृति से संबंधित spiculating पैटर्न विशेषताएँ और पता लगाया एफपी ROIs से टी.पी. ROIs अंतर करने के लिए.

9 चित्र में दिखाया टी.पी. रॉय के लिए, व्युत्पन्न तीन उपायों द्वारा रचित सुविधा वेक्टर [0.0299, 7.2224, 2.3037] है. 10 चित्र में दिखाया एफपी रॉय के लिए, इसी सुविधा वेक्टर [0.0349, 6.9444, 2.5223] है. जैसी कि उम्मीद थी, एच एफ मूल्य एफपी रॉय से टी.पी. रॉय के लिए अधिक है, और एफडी के मूल्य कम है. हालांकि, नोड मूल्य की वजह से बाद में छा संरचनाओं की उपस्थिति की उम्मीद मतभेद के विपरीत है जो एफपी रॉय, के लिए की तुलना में टी.पी. रॉय के लिए कम है. सामान्य तौर पर, हम अन्य सुविधाओं को अपेक्षित व्यवहार का प्रदर्शन करने में विफल भले ही उम्मीद की प्रवृत्तियों का पालन करें और ROIs के वर्गीकरण में सहायता करने के लिए सुविधाओं में से कुछ उम्मीद कर सकते हैं.

सुविधाओं के प्रदर्शन का मूल्यांकन करने के लिए, हम रिसीवर ऑपरेटिंग विशेषता (आरओसी) वक्र (नीलामी) 51,52 और मुक्त प्रतिक्रिया आरओसी (FROC) विश्लेषण 53-55 के तहत क्षेत्र का उपयोग करें. एक व्यक्ति की सुविधा के साथ आरओसी और FROC विश्लेषण के लिए, हम एक प्रशिक्षित क्लासिफायरफ़ाइल का उपयोग नहीं है, बजाय, हम एक रपट सीमा लागू होते हैं. नोड के तीन व्यक्तिगत विशेषताओं, एफडी, और एच एफ पैटर्न वर्गीकरण में अच्छी क्षमता है, लेकिन पर्याप्त नहीं प्रदर्शन से संकेत मिलता है, जो क्रमश: 0.61, 0.59, और 0.64 की नीलामी मूल्यों प्रदान की. एक ही सुविधाओं के पी मान अपने टी.पी. और एफपी ROIs का पता चला के सेट के लिए अपने मूल्यों के बीच सांख्यिकीय अत्यधिक महत्वपूर्ण मतभेदों का संकेत मिलता है जो 1.7638e-009, 1.8793e-004, और 2.2615e-013, कर रहे हैं.

सुविधाओं की बड़ी संख्या वर्गीकरण के लिए नमूने का प्रतिनिधित्व करने के लिए उपयोग किया जाता है, यह सहसंबद्ध सुविधाओं को हटाने और वर्गीकारक 20-22 की जटिलता को कम करने के रूप में इतनी सुविधाओं की एक इष्टतम सबसेट का चयन करने के लिए आवश्यक है, कई procedऐसे stepwise रसद प्रतिगमन के रूप में 56 ures, इस उद्देश्य के लिए इस्तेमाल किया जा सकता है. हम आरओआई प्रति केवल तीन सुविधाओं का उपयोग कर रहे हैं, क्योंकि काम में मौजूद है, हम सुविधा चयन प्रदर्शन नहीं करते.

प्रशिक्षित क्लासिफायरफ़ाइल का सत्यापन करने के लिए, हम छुट्टी एक रोगी बाहर दृष्टिकोण के साथ पैटर्न वर्गीकरण प्रक्रियाओं को लागू करें. हम क्लासिफायरफ़ाइल का प्रशिक्षण प्रक्रिया से परीक्षण किया जाना रोगी के मैमोग्राम से निकाले ROIs के सभी को बाहर, और उसके बाद तो परीक्षण के मामले को प्राप्त वर्गीकारक लागू होते हैं. हम तो एक समय में पूरे डाटासेट, एक मामला है या रोगी के लिए प्रक्रिया को दोहराने.

तीन सुविधाओं के सेट के साथ आरओसी विश्लेषण के लिए, हम Bayesian धारणा 57 के साथ द्विघात विभेदक विश्लेषण करता है कि एक क्लासिफायरफ़ाइल का उपयोग करें. FROC घटता उत्पन्न करने के लिए, हम जहां केवल एक छह मामलों को छोड़कर रोगी के लिए उपलब्ध दो mammographic छवियों में उच्चतम विभेदक मूल्य, साथ टी.पी. आरओआई पर विचारछवि मामले के अनुसार उपलब्ध है.

Subscription Required. Please recommend JoVE to your librarian.

Representative Results

तीन सुविधाओं, प्रत्येक सुविधा अपने आप ही इस्तेमाल किया गया था जब अर्थात्, नोड मूल्य, एफडी, और एच एफ, 0.61 से प्रदान की नीलामी मूल्यों, 0.59, और 0.64, क्रमशः,. तीन सुविधाओं के संयुक्त उपयोग नीलामी = 0.70 के साथ प्रदर्शन में सुधार प्रदान की. तीन सुविधाओं के संयोजन के साथ प्राप्त FROC वक्र 7.5 एफपीएस / रोगी में 5.6 एफपीएस / रोगी और 89% पर 80% की संवेदनशीलता को इंगित करता है, जो 11 चित्र में दिखाया गया है. केवल नोड मूल्य का प्रयोग 13.8 एफपीएस / रोगी में 8.1 एफपीएस / रोगी और 89% पर 80% की संवेदनशीलता प्रदान की.

अंतिम परिणाम में एफपीएस की कमी चित्रा 12 में सचित्र है. उदाहरण के लिए, उच्चतम रैंकिंग के साथ ही छह ROIs दिखाए जाते हैं. कोष्ठकों के बाहर संख्या Bayesian वर्गीकारक द्वारा प्राप्त विभेदक मूल्यों पर आधारित रैंकिंग से संकेत मिलता है, कोष्ठकों के भीतर संख्या नोड के नक्शे पर आधारित पहले रैंकिंग के अनुरूप हैं. मुकाबले टुनिशिया> 7 चित्र में दिखाया संदिग्ध ROIs का पता लगाने के प्रारंभिक चरण के साथ 12 चित्रा, यह नोड विश्लेषण के प्रारंभिक चरण की तुलना में बनाए रखते हुए वास्तु विरूपण विशेषताएँ इस्तेमाल सुविधाओं, एफपीएस की पर्याप्त कमी करने के लिए नेतृत्व किया है कि स्पष्ट है पता लगाने का अच्छा संवेदनशीलता. इस उच्च स्थान ROIs के तीन रेडियोलाजिस्ट द्वारा चिह्नित वास्तु विरूपण की संदिग्ध क्षेत्र के साथ छा, और हमारे प्रक्रिया द्वारा सफल पता लगाने के एक मामले का प्रतिनिधित्व करता है, जहां एक मामला है.

एक नैदानिक ​​आवेदन में, अंतिम परिणाम में प्रदर्शित करने के लिए ROIs की संख्या वांछित संवेदनशीलता और बर्दाश्त नहीं किया जाएगा कि एफपीएस की संख्या है, साथ ही रेडियोलॉजिस्ट की वरीयता के आधार पर निर्धारित किया जाना चाहिए.

oad/50341/50341fig1.jpg "/>
चित्रा 1. आकार की (ए) एक पूर्व मैमोग्राम 200 माइक्रोन / पिक्सेल संकल्प पर 1,377 x 850 पिक्सल, 200 माइक्रोन / पिक्सेल संकल्प पर आकार 1374 x 850 पिक्सल के (ए) इसी का पता लगाने के मैमोग्राम, छवि में वास्तु विकृति (सी) बढ़ाया क्षेत्र दिखाया आकार 40.8 मिमी x 26.8 मिमी के आकार का हिस्सा (बी) में दिखाया छवि में वास्तु विकृति (डी) बढ़ाया क्षेत्र,; भाग (ए) में, आकार 39.2 x 21.8 मिमी मिमी की. पूर्व मैमोग्राम 24 महीनों का पता लगाने के मैमोग्राम से पहले लिया गया था. इस स्क्रीन का पता चला स्तन कैंसर का एक मामला है. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.

41fig2highres.jpg "/>
चित्रा 2. 200 माइक्रोन / पिक्सेल संकल्प पर आकार 1377 x 850 पिक्सल के (ए) एक पूर्व मैमोग्राम;. स्तन क्षेत्र की लगभग विभाजन के लिए preprocessing के बाद छवि इसी (बी) बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.

चित्रा 3
चित्रा 3. कई कोणों पर केंद्रित ऊर्जा दिखा छवि (बी) फूरियर परिमाण स्पेक्ट्रम, (ग) गेबर परिमाण प्रतिक्रिया, और (डी) गेबर कोण प्रतिक्रिया एक आकार 646 x 668 पिक्सल के कई उन्मुख भागों के साथ संयंत्र, (ए) टेस्ट छवि . 180 गेबर फिल्टर Τ साथ, 90 ° करने के लिए सीमा पर -90 डिग्री का इस्तेमाल किया गया > = 8 पिक्सल और एल = 8. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.

चित्रा 4
चित्रा 4. पिक्सेल प्रति 200 माइक्रोन से कम आकार 1377 x 850 पिक्सल के (ए) गेबर परिमाण और चित्रा 2B में दिखाया वास्तु विकृति के साथ मैमोग्राम के लिए (बी) कोण प्रतिक्रियाओं. 180 गेबर फिल्टर Τ = 4 पिक्सल और एल = 8 के साथ, 90 ° करने के लिए श्रृंखला -90 ° से अधिक इस्तेमाल किया गया. (लाल या हरा) आयत, रेडियोलाजिस्ट द्वारा चिह्नित वास्तु विरूपण के क्षेत्र से पता चलता आकार का 47.6 मिमी x 29.9 मिमी. (सी), (डी) वास्तु विरूपण के क्षेत्र के विचारों को बढ़ाया.es/ftp_upload/50341/50341fig4highres.jpg "लक्ष्य =" _blank "> बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.

चित्रा 5
चित्रा 5 एनएमएस तकनीक:. लम्बी आयत (ग्रे) में एक सीएलएस की उपस्थिति को दर्शाता है. चौकों सीएलएस के उन्मुखीकरण को सीधा दिशा साथ पिक्सल निरूपित. केंद्रीय हरी वर्ग एक कोर सीएलएस पिक्सेल इंगित करता है.

चित्रा 6
चित्रा 6. एनएमएस और सीएलएस चयन परिणाम चित्रा 2A में पूर्ण mammographic छवि पर मढ़ा. (ए) एनएमएस परिणाम. (बी) सीएलएस चयनपरिणाम. आगे के विश्लेषण के लिए सुरक्षित रखा जाता है कि सीएलएस पिक्सल के लिए सफेद अनुरूप में चिह्नित पिक्सल. (सी) एनएमएस परिणाम और चित्रा -4 ए में चिह्नित रॉय के लिए बढ़ाया दृश्य में (डी) सीएलएस चयन का परिणाम है. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.

चित्रा 7
चित्रा 7. (एक) नोड के नक्शे और (ख) ROIs चित्रा 2B में दिखाया गया मैमोग्राम के लिए पता लगाया. mammographic छवि पिक्सेल प्रति 200 माइक्रोन से कम आकार 1377 x 850 पिक्सल का है. रेडियोलाजिस्ट द्वारा चिह्नित वास्तु विकृति का क्षेत्र (लाल आयत) का आकार x 29.9 मिमी 47.6 मिमी है. प्रत्येक रॉय आईएम के किनारों पर छोड़कर, आकार 128 x 128 पिक्सल का हैउम्र. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.

8 चित्रा
चित्रा 8 (क) के उदाहरण -. (सी) तीन टी.पी. ROIs और (डी) - (एफ) के तीन एफपी ROIs. प्रत्येक रॉय आकार 128 x 128 पिक्सल का है. इसी नोड मूल्यों दिखाए जाते हैं. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.

9 चित्रा
चित्रा 9. वास्तु जिले के साथ (ए) एक 128 x 128 पिक्सेल टी.पी. आरओआई tortion; पिक्सेल आकार = 200 माइक्रोन. नोड मूल्य = 0.0299. (बी) 2 डी फूरियर लॉग बिजली स्पेक्ट्रम एस (यू, वी) 256 x 256 पिक्सल के लिए वॉन Hann खिड़की और शून्य padding आरओआई लगाने के बाद प्राप्त की. (सी) (च में बिजली स्पेक्ट्रम, Ν) अंतरिक्ष. क्षैतिज अक्ष 179 ° 0 ° से कोण Ν से मेल खाती है और ऊर्ध्वाधर अक्ष 2.5 मिमी -1 के लिए 0.02 मिमी -1 से रेडियल आवृत्ति से मेल खाती है. शीर्ष बाएँ कोने पिक्सेल 0.02 मिमी -1 और 0 डिग्री के कोण की आवृत्ति से मेल खाती है. एक काले फ्रेम स्पेक्ट्रम के लिए लागू किया गया है. (डी) बिजली की कोणीय प्रसार, एस (Ν). Entropy HF = 7.2224. (ई) -1 डी शक्ति स्पेक्ट्रम एस (च) रेडियल आवृत्ति एफ के एक समारोह के रूप में एक लॉग इन लॉग पैमाने पर साजिश रची. रेखीय फिट भी टी.पी. रॉय के लिए = 2.3037 एफडी में हुई है, जो (लाल रेखा) में दिखाया गया है.arget = "_blank"> बड़ा आंकड़ा देखने के लिए यहां क्लिक करें.

चित्रा 10
चित्रा 10. (ए) एक 128 x 128 पिक्सेल एफपी आरओआई; पिक्सेल आकार = 200 माइक्रोन. आरओआई कारण सामान्य संरचनाओं अतिव्यापी और / या अन्तर्विभाजक के लिए एक एफ पी नोड का कारण बना. नोड मूल्य = 0.0349. (बी) 2 डी फूरियर लॉग बिजली स्पेक्ट्रम एस (यू, वी) 256 x 256 पिक्सल के लिए वॉन Hann खिड़की और शून्य padding आरओआई लगाने के बाद प्राप्त की. (सी) (च में बिजली स्पेक्ट्रम, Ν) अंतरिक्ष. क्षैतिज अक्ष 179 ° 0 ° से कोण Ν से मेल खाती है और ऊर्ध्वाधर अक्ष 2.50 मिमी -1 के लिए 0.02 मिमी -1 से रेडियल आवृत्ति से मेल खाती है. शीर्ष बाएँ कोने पिक्सेल 0.02 मिमी -1 और 0 डिग्री के कोण की आवृत्ति से मेल खाती है. एक बीएल एसीके फ्रेम स्पेक्ट्रम के लिए लागू किया गया है. (डी) बिजली की कोणीय प्रसार, एस (Ν). Entropy HF = 6.9444. (ई) -1 डी शक्ति स्पेक्ट्रम एस (च) रेडियल आवृत्ति एफ के एक समारोह के रूप में एक लॉग इन लॉग पैमाने पर साजिश रची. रेखीय फिट भी एफपी रॉय के लिए = 2.5223 एफडी में हुई है, जो (लाल रेखा) में दिखाया गया है. बड़ा आंकड़ा देखने के लिए यहां क्लिक करें .

11 चित्रा
चित्रा 11. प्रस्तावित सुविधाओं का पता लगाने के प्रदर्शन दिखा FROC वक्र.

oad/50341/50341fig12highres.jpg "/>
चित्रा 12. चित्रा 2 में दिखाया मूल मैमोग्राम के लिए ROIs के अंतिम लेबलिंग. प्रसंस्करण के पहले चरण में पता चला संदिग्ध ROIs 7 चित्र में दिखाया गया. हरे रंग में उल्लिखित आयतों विश्लेषण के अंतिम चरण में टी.पी. ROIs प्रतिनिधित्व करते हैं, पीले रंग में उल्लिखित शेष आयतों fps या झूठा अलार्म का प्रतिनिधित्व करते हैं. लाल रंग में आयत वर्तमान अध्ययन के लिए रेडियोलाजिस्ट द्वारा चिह्नित वास्तु विरूपण के क्षेत्र इंगित करता है, इस जानकारी को वर्तमान मामले के लिए लागू छुट्टी एक रोगी बाहर प्रक्रिया में इस्तेमाल नहीं किया गया था और की एक संभावित आवेदन में उपलब्ध नहीं होगा प्रस्तावित तरीकों.

Subscription Required. Please recommend JoVE to your librarian.

Discussion

हम भी अंतराल कैंसर के मामलों के पूर्व मैमोग्राम में वास्तु विकृति का पता लगाने के लिए मशीन सीखने और सीएडी के रूप में जाना डिजिटल इमेज प्रोसेसिंग और पैटर्न मान्यता की अत्याधुनिक तकनीक, की एक श्रृंखला पेश की है. तरीकों mammographic छवियों में मौजूद उन्मुख textural पैटर्न के विश्लेषण पर आधारित हैं. हमारे संबंधित कार्यों में प्रस्तावित कई और अधिक सुविधाओं सहित हमारे तरीके, कम से कम 4 एफपीएस / रोगी 22 से 80% की संवेदनशीलता के साथ, औसत पर, 15 महीने आगे नैदानिक ​​निदान के समय से स्तन कैंसर के प्रारंभिक लक्षणों का पता लगाने में सक्षम हैं , 58.

एक संभावित नैदानिक ​​आवेदन में, हमारे प्रक्रियाओं द्वारा लेबल ROIs रेडियोलाजिस्ट से मैमोग्राम की इसी क्षेत्रों के सावधान निरीक्षण के लिए संकेत देता है के रूप में देखा जाना चाहिए. स्तन कैंसर की उपस्थिति या अनुपस्थिति के संबंध में अंतिम निर्णय अतिरिक्त इमेजिंग प्रक्रियाओं का अनुरोध कर सकते हैं या जो रेडियोलाजिस्ट, के द्वारा किया जा रहा हैमैमोग्राफी और सीएडी द्वारा उठाए गए संदेह की पुष्टि या पुष्टि करने के लिए चिकित्सीय परीक्षण.

हमारे तरीके मौजूद पूर्वव्यापी अध्ययन में रोमांचक परिणाम प्रदान की है, वे अभी तक नैदानिक ​​इस्तेमाल के लिए तैयार नहीं हैं. तरीकों ट्रैक्टर इंटेल Xeon प्रोसेसर राम के 12 जीबी के साथ, 3.0 गीगा में संचालन के साथ एक Dell परिशुद्धता PWS 490 कार्य केंद्र पर प्रति छवि के बारे में 6 मिनट ले, कम्प्यूटेशनल जरूरतों कंप्यूटर कोड का इष्टतम कार्यान्वयन से कम होने की जरूरत है. परिणाम के लिए तुलनीय या वर्तमान कार्य से पहले mammograms पर आधारित है कि गौरव के साथ व्यावसायिक रूप से उपलब्ध सीएडी सिस्टम 18,59,60, साथ वास्तु विरूपण पर अध्ययन रिपोर्ट में उन लोगों की तुलना में थोड़ा बेहतर कर रहे हैं. एफपीएस की संख्या कम से कम 80% की एक संबद्ध संवेदनशीलता के साथ के बारे में एक मरीज के प्रति को कम किया जाना चाहिए.

सीमाओं का इस्तेमाल किया मॉडल से पता लगाया वास्तु विरूपण के प्रकार के मामले में हमारे काम में मौजूद हैं. विधियों Teste होने की जरूरतबड़े डेटासेट के साथ डी. अनुभव से काम वर्तमान में निर्धारित किया गया है जो तरीकों में इस्तेमाल मापदंडों का विश्लेषण करने के लिए एक दिया डाटासेट में मैमोग्राम की विशेषताओं के संबंध में अनुकूलित किया जाना चाहिए. हम हमारे प्रक्रियाओं वर्तमान काम में के रूप में स्कैन स्क्रीन फिल्म छवियों के साथ प्राप्त की तुलना में प्रत्यक्ष डिजिटल mammograms और स्तन tomosynthesis छवियों के साथ बेहतर परिणाम के लिए नेतृत्व की उम्मीद है.

समापन

हमारे तरीकों प्रारंभिक दौर में वास्तु विकृति और स्तन कैंसर का पता लगाने में वादा दिखा. इसके अलावा काम उच्च संवेदनशीलता और कम एफपी दरों के साथ वास्तु विकृति का पता लगाने के लक्ष्य को हासिल करने के लिए आवश्यक है.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

लेखकों का खुलासा करने के लिए कुछ भी नहीं है.

Acknowledgments

इस काम के सहयोगात्मक अनुसंधान और प्रशिक्षण के अनुभव कार्यक्रम (बनाने) और एक डिस्कवरी अनुदान प्राकृतिक विज्ञान से और कनाडा के इंजीनियरिंग रिसर्च काउंसिल () NSERC से अनुदान द्वारा समर्थित किया गया.

References

  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).

Tags

चिकित्सा अंक 78 एनाटॉमी फिजियोलॉजी कैंसर जीवविज्ञान कोणीय प्रसार वास्तु विकृति स्तन कैंसर कम्प्यूटर की मदद निदान कंप्यूटर सहायता प्राप्त निदान (सीएडी) एन्ट्रापी आंशिक ब्राउनियन गति भग्न आयाम गेबर फिल्टर इमेज प्रोसेसिंग मेडिकल सूचना विज्ञान नोड का नक्शा उन्मुख बनावट पैटर्न मान्यता चरण तस्वीरें पूर्व मैमोग्राम वर्णक्रम विश्लेषण
पिछले मैमोग्राम्स में वास्तु विकृति का पता लगाने<em&gt; के माध्यम से</emउन्मुख पैटर्न की&gt; विश्लेषण
Play Video
PDF DOI

Cite this Article

Rangayyan, R. M., Banik, S.,… More

Rangayyan, R. M., Banik, S., Desautels, J. E. L. Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns. J. Vis. Exp. (78), e50341, doi:10.3791/50341 (2013).

Less
Copy Citation Download Citation Reprints and Permissions
View Video

Get cutting-edge science videos from JoVE sent straight to your inbox every month.

Waiting X
Simple Hit Counter