Önceki mamogram Mimari Bozulma Algılama Via Analiz

Özet

Önceden mamogram mimari bozulma saptanması için yöntemler göstermektedir. Odaklı yapılar doku kalıpları ışırken siteleri tespit etmek için Gabor filtreleri ve faz portreleri kullanılarak analiz edilmektedir. Her site özelliği ve spiculating desenleri temsil etmek için önlemler kullanılarak sınıflandırılmıştır. Yöntemler Meme kanserinin saptanmasında yardımcı olmalıdır.

Özet

Biz, mamografi göğüs doku desenleri yönlenmesine analizine göre aralık-kanser vakalarının önce mamogram mimari bozulma saptanması için yöntemler göstermektedir. Biz mimari bozulma kitlelerin veya tümörlerin oluşumu önce mamografik görüntülerde meme dokusu desen, normal yönünü değiştirir varsayımında. Bizim yöntemlerinin ilk adımlarda, belirli bir mamografide odaklı yapılar doku desen yayılan veya kesişen düğüm benzeri siteleri tespit için Gabor filtreleri ve faz portreleri kullanılarak analiz edilir. Her bir tespit site daha sonra düğüm değeri, fraktal boyut ve özellikle mimari bozulma ile ilişkilidir spiculating desenleri temsil etmek için tasarlanmış açısal dağılımın bir ölçüsü ile karakterize edilir.

Bizim yöntemleri için geliştirilen özelliklerini kullanarak 56 aralık kanser vakalarının 106 öncesinde mamogram ve 13 normal olgunun 52 mamogram bir veritabanı ile test edildimimari bozulma, kuadratik diskriminant analizi ile desen sınıflandırma ve terk-tek-hasta dışarı prosedüre doğrulama karakterizasyonu. Karakteristik analizi yapan serbest tepki alıcısının sonuçlarına göre, bizim yöntemler yaklaşık% 80 oranında bir duyarlılık ile, meme kanserinin klinik tanı öncesi (ortalama) 15 ay alınan, önceki mamogram mimari distorsiyon algılamak yeteneği göstermiştir hasta başına beş yanlış pozitif.

Giriş

Meme kanseri kadınları etkileyen önemli bir hastalıktır ve kadınlarda ^1,2 arasında kanser bağlı ölümlerin ikinci önde gelen nedenidir. Hayatta kalma şansını ve göğüs kanserinin erken evrelerinde etkili bir tedavi yoluyla etkilenen hastaların prognozunun geliştirmek için, hastalık mümkün olduğu kadar erken tespit edilmesi gerekmektedir. Meme kanseri vakalarının retrospektif analizinde, anormallikler ince işaretler daha önceden edinilmiş tarama mamogram ^3,4 üzerinde gözlenmiştir. Mimari distorsiyon ^5,6 tespit etmek zordur meme kanserinin erken aşamalarında muhtemelen böyle bir lokalize mamografik işaretidir. Ilişkili kalıpları belli belirsiz kesin bir kitle görünür ile memenin normal yapısının bozulması olarak tarif edilmektedir. Mimari distorsiyon bir göğüs kitle veya tümör oluşumunun ilk aşamalarında görünebilir. Biz tarama mamografi önce meme kanseri c tespiti için elde edilen varsayımındaould özel olarak, mimari bozulma göğüs kanserinin erken aşamalarının ince işaretler içerir.

Şekil 1a ekran tespit kanseri davanın bir önceki mamografik görüntü gösterir. Bir radyolog (JELD) tarafından tanımlanan anormallik bölge kırmızı bir dikdörtgen ile özetlenmiştir. 24 ay önce mamografi Şekil 1b de gösterildiği gibi tespit mamogram önce alınmıştır. Önce mamografi taramasının orijinal örneğin kanser belirtileri ücretsiz olarak ilan edilmişti. Geriye dönük analizde ve algılama mamogram tespit kanser site ile ilgili şüpheli bir bölge ile karşılaştırıldığında radyoloji uzmanı tarafından etiketlenmiştir ve önceki mamogram kırmızı gösterilmiştir. Şüpheli bölge spiküllerin dahil mimari bozulma belirtileri içerir.

Bilgisayar destekli tanı (CAD) teknikleri ve sistemleri Brea saptanmasında artmış duyarlılık elde etmek için potansiyel sunuyorst kanser ^2,7-9. Ancak, bu gibi kitle ve kalsifikasyon olarak meme kanseri için diğer işaretler, algılama literatürde mevcut yayın sayısı ile karşılaştırıldığında, çalışmalar sadece küçük sayıda yokluğunda mimari bozulma saptanması bildirilmiştir merkezi kitle ^10-17. Ticari olarak temin edilebilen CAD ​​sistemlerinin yapısal distorsiyon ¹⁸ saptanmasında kötü gerçekleştirmek için bulunmuştur. ^3,4,19-22 erken aşamalarında meme hastalıklarının tespiti ve tedavisi için stratejiler geliştirmede yardımcı ve iyileşmeye yol açabilecek ekran tespit veya interval kanser vakalarının önceki mamogram mimari bozulma saptanması üzerine çalışmalar ²³ hasta için prognoz.

Deney için Görüntüler hazırlanması

Deneyler 56 Bireylerin 106 önceki mammografi dahil 158 mamografik görüntüler tanısı ile yapılmıştırmeme kanseri ve 13 normal bireylerde 52 görüntüleri ile. Çalışma için etik onay Conjoint Sağlık Araştırma Etik Kurulu, Tıbbi Biyoetik Ofisi, Calgary Üniversitesi ve Calgary Bölgesel Sağlık Otoritesi elde edilmiştir. Meme Kanseri ^21,24,25 Erken Saptanması için Alberta Programı: görüntüleri Ekran Testi elde edildi.

Önce tarama programının dışında kanser tanısı tarama programı için son planlanan ziyarette edinilen Mamogramlar interval kanser vakalarının öncesinde mamogram olarak etiketlenmiş edildi. Gelen tanı mamografi mevcut değildi. 106 öncesinde mamogram tüm ama iki tarama programına toplama ve analiz zamanda meme kanseri herhangi bir işaretin serbest olduğu beyan edilmişti; diğer iki mamogram karşılık bireylerin biyopsi için sevk edilmişti. Kanser tanı ve öncesinde mamogram arasındaki zaman aralığı değişmektedir 1.5 ay15 ay ve 7 aylık standart sapmanın ortalama 24.5 ay s. Veritabanında bulunan interval kanser vakalarının önceki mamogram hiçbir şüpheli parçalar tespit edilebileceği altı görüntüler dışında, mevcut çalışmaya dahil edilmiştir.

Ekran film mamografi 50 um ve Lumiscan 85 lazer tarayıcı (Lumisys, Sunnyvale, CA) kullanılarak piksel başına 12 bit gri ölçekli çözünürlük mekansal çözünürlükte dijitalize edildi. Mamografi (JELD) uzmanlaşmış bir uzman radyolog interval kanser vakalarının 106 önceki mamogram tüm inceledim ve sonraki görüntüleme veya biyopsi mevcut raporlara dayanarak dikdörtgen kutuları ile mimari bozulma şüphelenilen bölgeleri işaretlenmiş, ya da mamogram ayrıntılı muayene . Bu çalışmada kullanılan veri kümesi içinde 106 önce mamografik görüntülerde, 38 imgeleri mimari bozulma var, ve kalan 68 görüntüler hiçbir açıkça şüpheli veya EV içerenmimari bozulma ident. Radyolog tarafından çizilen dikdörtgen kutusu tarafından tanımlanan her bir önceki mamogram mimari bozulma tek bir site içerir. Ortalama genişlik, yükseklik ve radyolog tarafından işaretlenmiş görüntülerin 106 şüpheli parçaların alanı sırasıyla standart 11,8 mm sapma, 11.6 mm ve 1073,9 mm ^2, ile, 56 mm, 39 mm ve 2.274 mm ^{2 'dir.}

Protokol

1.. Metodoloji Genel Bakış

Bizim prosedürde, mamogram mimari bozulma potansiyel siteleri otomatik olarak Gabor bir bankanın uygulaması ile odaklı dokusal desen analizi ile tespit edilmiştir ²⁶ filtreler ve faz modelleme ^11,27 portreler. Tespit edilen siteleri daha sonra mimari bozulma, eğitimli bir sınıflandırıcı gelişimini ve örüntü tanıma veya sınıflandırma için bir algoritma uygulama karakterize özellikleri veya önlemlerin ekstraksiyon adımlarında işlenir. Prosedür aşağıdaki adımları ^11,20,21 özetlenir:

1. Segment uyarlamalı eşikleme ve morfolojik deliği kullanarak verilen mamografik görüntüde meme kısmı.
2. Gabor, M (i, j) ve gabor açılı bir görüntü, θ gabor büyüklük görüntü elde etmek için -90 ° ile +90 ° aralığı boyunca eşit aralıklı açılarla filtresi 180, bir dizi uygulama(I, j), her bir piksel en yüksek cevap, (i, j) ile filtrenin tepki ve açı seçerek.
3. Böyle spiküllerin ve fibroglandular doku gibi ilgi eğrisel yapıları (CLS'ler), seçin, örneğin göğüs kasının, parankim dokusu, meme sınır ve gürültü kenarları gibi kafa karıştırıcı yapılar, onları ayırt ederek, oryantasyon alanını kullanarak, degrade alan, nonmaximal bastırma (NMS) tekniği ve ek koşullar ^11.
4. Gürültü ve daha fazla hesaplama gereksinimlerini ^11,20 azaltmak için dört bir faktör tarafından standart 7 piksel sapma ve aşağı-numune ile bir Gauss filtresi ile yönelim alanını Filtre.
5. Belirli türleri ile ilgili faz-portre haritalar seçmek için özel koşullar ile, filtrelenmiş yönlendirme alanına, adım başına bir piksel büyüklüğü, 800 mikron / piksel 10 x 10 piksel, sürgülü bir analiz pencere, lineer faz-portre modelleme Uygula düğüm patterns ^11,20.
6. Belirli koşullar düğüm haritayı oluşturmak için analiz pencerenin her pozisyon için sabit nokta tarafından verilen konumda yerine getirildiği takdirde, bir oy.
7. Birbirlerine yakın oy birleştirmek için 6 piksellik (4.8 mm) arasında deneysel olarak belirlenen standart sapma ile birlikte, ebadı 35 x 35 piksellik bir Gauss pencere ile düğüm ilk filtre.
8. Rütbe-sipariş düğüm haritada zirveleri tarafından düğüm haritayı analiz.
9. Düğüm haritada ilgili tepe merkezinde bulunan her bir ROI merkezi ile orijinal görüntü kenarlarında, hariç boyutu 128 x 128 piksel ilgi (ROI) Kesim bölgeleri. Görüntü işlenebilmesine kenarlarında, belirtilen penceresinde mevcut gibi görüntü verileri kadar eklemek için ROI yaratın.
10. Özellikleri veya yapısal distorsiyon ile ilgili spiculating desenleri karakterize ve başlangıç ​​koşulları bir araya geldi bazı normal doku desenleri onları ayırmak için önlemler türetmek.
11. mimari bozulma ile sitelerin özellikleri ve bir radyolog tarafından sınıflandırılmış İB'nin bir eğitim seti ile normal doku desenleri olanlar arasında ayrım eğitimli bir sınıflandırıcı geliştirin.
12. Test durumlarda bir dizi eğitimli sınıflandırıcıyı uygulayın ve radyolog tarafından sağlanan ve biyopsi dayalı tanı ile sonuçlarını doğrulamak.

Adımlar Yukarıda listelenen 1-9 belirli bir mamografik görüntüye otomatik olarak uygulanır. Yukarıda belirtilen prosedürün seçilen adımlar, aşağıdaki bölümlerde tarif edilen ve tasvir edilmiştir.

2. Mamografi Görüntüler önişlemesi

Ön işlem aşaması, aşağıdaki adımlardan oluşur:

1. 2 piksel ve 50 mikron / piksel çözünürlükte 13 x 13 piksel ve 12 bit / piksel boyutunda bir standart sapma ile, bir Gauss filtre kullanılarak verilen mamografik görüntü filtre ve aşağı-numunenin 200 mm / piksel ve 8 bit için / piksel çözünürlük.
2. Yansıtmako sağ meme ise görüntü.
3. Segment Otsu adaptif eşik yöntemi ve yarıçaplı bir disk şeklinde yapılanma elemanının 25 piksel (200 mikron / piksel değerinde 5 mm) ^21,28,29 ile morfolojik deliği kullanarak mamografik görüntüde meme bölgesi.
4. Yaklaşık meme sınır ^10,21 algılar.

Şekil 2A orijinal önce mamografi. Aynı şeklin Şekil 2B, işleme ve analizi sonraki adımlarda kullanılan meme bölümünün, yaklaşık bölütleme sonucunu göstermektedir göstermektedir.

3. Gabor Filtreleri Kullanma Odaklı Patterns çıkarımı

-90 ° yönelik gerçek Gabor filtre işlevi ^10,30 olarak çalışmalarımızda belirtilir:

nereye & #963, _x ve _y σ, x ve y yönlerinde standart sapma değerleri vardır ve _o ƒ modüle sinüzoit sıklığıdır. Diğer açılarda filtreler gibi koordinat dönüşümü ile bu işlevi döndürülmesiyle elde edilir:

burada (x ', y'), açılı α döndürülür koordinat kümesidir.

^10, aşağıdaki gibi filtre mamogram için Denklem 1 'de parametreler dikkate tespit edilecek olan meme dokusu desen ortalama büyüklüğü alarak Çalışmalarımızda elde edilir:

1. Τ x ekseni boyunca Denklem 1 'de Gauss terimin yarı maksimum tam genişlikli olsun.
2. 0 içinde bir kalınlığa karşılık gelen, Τ = 4 piksel olsun200 mikron piksel boyutunda .8 mm.
3. Hesaplamak .
4. Kosinüs dönem dönem Τ olalım; sonra, ƒ _o = 1 / Τ.
5. Σ değeri _y olarak tanımlanabilir olsun σ _y = lσ _x, x yönünde filtre genişliğine kıyasla l, y yönünde gabor filtrenin uzama belirler burada. / Pixel 200 mikron, kullanımı l = 8 de mamogram analizi için.

180 gerçek Gabor Bir banka eşit ° mamogram ^{10, 21} yönlendirilmiş desen saptanması için yöntemlerde kullanılan 90 için aralık -90 ° 'den fazla aralıklı filtreler de vardır. Verilen her bir görüntü için, bir Gabor büyüklüğü görüntü, M (i, j) ve Gabor açı görüntü, θ (i, j), th tepki ve açı kullanılarak elde edilirHer pikselin yüksek tepki, (i, j) ile e Gabor filtresi.

Gabor filtresi frekans düzleminde (sıfır frekansı) kökenli bir sıfırdan farklı büyüklük cevabı vardır. Düşük frekanslı bileşenler mimari bozulma varlığı ile ilişkili değildir, çünkü, bu yönlendirme alan büyüklüğü mamografi görüntü düşük frekanslı bileşenlerin etkisini azaltmak için tercih edilir. Bu nedenle, mamografi görüntüler önce yönlendirme alanının çıkarılması için süzüldü yüksek geçmektedir. Bu orijinal görüntü ve aynı görüntünün bir low-pass filtreden sürümü arasındaki fark hesaplanarak elde edilir. Bu basamakta kullanılan alçak geçiren filtre _y yukarıda tanımlandığı gibi σ eşit standart sapma ile bir Gauss filtredir.

Bir kişi, mevcut çalışmada, ilgi konusu her bir açı için filtre görüntü kaydetmek rağmen, kullanılan filtreler (açıları) her yerinde, her pikselin maksimum yanıttırtek bir görüntü kaydedilir, Gabor büyüklüğü tepki olarak anılacaktır; Gabor filtresinin gelen açı başka bir görüntüdeki her pikselde kaydedilir, Gabor açı tepki olarak anılacaktır. Birlikte, bu iki çıkış görüntüleri verilen görüntünün yönlendirme alanı sağlar.

Şekil 3A. Şekil 3B, çeşitli açılarda enerji konsantrasyonlarını göstermektedir, görüntünün Fourier spektrumunu gösteren bir bitkinin bir test görüntüsünü gösterir. Aynı yönlendirme ile görüntünün tüm parçaları, bağımsız olarak konumu ve büyüklüğü, bunların frekans bileşenleri (spektral enerji) Resimdeki yönelime göre 90 ° 'de yer alan bir bant veya açısal sektörde yer var. Gabor ile resim filtreleme sonuçları Τ = 8 piksel ve l = 8 Şekil 3C ve D'de gösterilmiştir ile filtre eder. O gabor filtreleri, yüksek Silah çeşitli açılarda yönlendirilmiş bitkinin parçaları ekstre olduğu açıktırgenliği tepki ve bu açı tepkisi ilgili pikselin de baskın özelliği mevcut yönlendirme ile kabul eder. Gabor bir banka kullanarak 90 ° -90 ° aralığı üzerinde çeşitli açılarda yönlendirilmiş filtreler, her pikselin görüntü ve bunların içinde mevcut olan açılarda yönlendirilmiş tüm bileşenleri ekstre var. Bu gabor filtrelerin yanıt, aynı yoğunluk seviyesi ve herhangi bir yapı tercih edilen yönlendirme ile, bu tür kap parçaları ve duvar ile hemen hemen sıfır düz alanlarda olduğu açıktır.

Şekil 4, Şekil 2B'de gösterilen mimari bozulma ile mamogram için elde gabor büyüklük ve açı yanıtlarını göstermektedir. Bu Gabor filtreleri, yüksek tepkileri vermenin yanı sıra, karşılık gelen açıları ile yönelimli bileşenler ekstre olduğu açıktır. Ayrıca Gabor filtrelerinin tepki tercih edilen oryantasyon ile hemen hemen sabit bir yoğunlukta ve herhangi yapılara sahip düz alanlarda düşük olduğu görülmektedirtion. Yakın inceleme üzerine, bu da gabor filtrelerin tepkisi, arka plan ve yoğunluğu veya parlaklık üzerinde sadece göre yönlendirilmiş bir yapının aksine bağlı da olabilir. Bu sonuçlar gabor filtrelerinin bant geçiş doğasına bağlıdır.

4. Eğrisel Yapıların Seçimi

Mamografi kanalları, gemiler, bağ, parenkimal doku ve göğüs kas kenarlarına karşılık gelen birçok CLS'ler içerir. Mamogram bazı anormallikler gibi spiküle kitleler ^12,31,32 ve mimari bozulma ^10,11,33 olarak CLS bazı türleri, varlığı ile veya göğüs görüntü ³⁴ yönlendirilmiş doku asimetrik yapısı ile karakterize edilebilir. Diğer yandan, sınırlı kitleler gibi lezyonlar, bazı türleri, yansıtılan mamografik görüntülerde lezyonlar üzerinde üst üste çok sayıda CLS'leri ile örtülü olabilir, bu lezyonların görünümünü alt olabilirrak ve yanlış-negatif algılama ya da yanlış tanı yol açabilir. Zwiggelaar et al. ³⁵ tarafından önerilen mamogram en CLS'ler mevcut analizi, spiküle kitle ve mimari bozulma tespit edilmesi için algoritmalar performansını artırmak olabilir. Bu nedenle, CLS'leri kimlik mimari bozulma saptanmasında önemli bir adımdır.

Bu çalışmada kullanılan gabor filtre bankası spiküllerin ve elyaflar gibi doğrusal yapılar duyarlı olmakla birlikte, aynı zamanda yönelik yapılar gibi göğüs kas kenarları, parenkimal doku kenarları ve damar duvarları gibi diğer güçlü kenarları, tespit . Fibroglandular Disk ³⁶ çevresinde güçlü kenarları geri çekme odak olarak bilinen yapısal distorsiyon ³⁷ belirli bir formunun saptanmasında kullanılabilir. Bununla birlikte, bu çalışmada, bu fibroglandular dokulara sadece CLS'ler yönelik özellikleri ile ilgili olarak tanımlanan önemlidir.

1. Segment, Bölüm 2 de tarif edildiği gibi belirli bir mamogram olarak meme alanı.
2. Gabor büyüklüğü tepki görüntüye NMS tekniği ^35,38 uygulanarak çekirdek CLS piksel algılar.
3. Güçlü bir gradyan ³³ ile sitelerde CLS'ler piksel reddediyoruz.

NMS algoritması lokal alan bir yönlendirme açısı dik olan yön boyunca komşularıyla büyüklük yanıt görüntüdeki her piksel karşılaştırılarak çekirdek CLS piksel tanımlar, Şekil 5 'e bakınız. Araştırma altındaki karşılık gelen piksel komşu daha büyük bir büyüklük değeri varsa, piksel bir çekirdek CLS pikseldir. NMS (örneğin Canny kenar detektörü ³⁹ gibi) birçok kenar dedektörleri ortak bir adımdır. Zwiggelaar et al. Bu tarif edildiği gibi aynı şekilde, CLS piksel tespiti için kullanılan ³⁵ NMSbölümü.

Güçlü bir gradyan varlığı, CLS hatalı bir algılama yol açan, gabor büyüklük karşılık olarak bir dalgalanma neden olabilir. Güçlü gradyanlar varlığı ile ilişkili çekirdek CLS piksel spiküle lezyonların araştırılması bağlamında Karssemeijer ve te Fren ¹² önerdiği kriterler tarafından reddedilir. Mamografi görüntünün piksel beş gradyanı (1 mm) bir standart sapma ile Gauss ilk türevi kullanılarak elde edilir. Her çekirdek CLS piksel için, gradyanın yönünün yönlendirme alan yönünde karşılaştırılır. Yönlendirme alan yönünde ve gradyanına dik yönde arasındaki fark, en az 30 ° ise, karşılık gelen çekirdek CLS pixel atılır.

Fibroglandular diskin dışında CLS'leri ile karşılaştırıldığında fibroglandular disk içinde CLS'ler tipik kontrast azaltılmış sahiptirler. Yalan içinde Dolayısıyla, CLS'lerroglandular diski diskin dışında CLS'leri daha küçük Gabor büyüklüğü yanıt değerleri var. Yerde bağımsız olarak, CLS piksel tümüne aynı ağırlık atamak ve bu fibroglandular disk içinde spiküllerin düşük kontrast ile ilgili CLS'leri saptanmasını sağlamak amacıyla, büyüklük alanı M (i, j) için değiştirilir sadece çekirdek CLS piksel oluşan bir görüntü ile başka bir işlem olarak tanımlanır M _CLS (i, j), aşağıdaki gibidir:

Görüntü M _CLS (i, j) CLS'leri varlığı hakkında önemli bilgiler aktarıyor. Şekil 6 tam bir mamogram ve bir ROI ile CLS seçim sonuçlarını gösterir. Mimari bozulma varlığı yerine kendi yoğunluğu ya da şiddeti, Magni göre ilgili CLS'leri geometrik düzenleme ile belirtilir içinAlgılanan CLS'leri ait tude yönlendirilmiş yapıların uzaysal düzenini daha az önem taşımaktadır.

5. Faz Portreleri Analizi yoluyla Algılama ve Şüpheli Siteleri Etiketleme

Rao ve Jain ⁴⁰ faz portreleri görünümü ile ilgili degrade yönelim alanını ilişkilendirerek görüntülerde odaklı doku analizi için bir yöntem geliştirdi. Bir iki doğrusal sistemi, birinci dereceden, diferansiyel denklemlerin bir faz portresi durum değişkenlerinin ²⁷ olası yörüngelerini gösterir.

P (t) ve Q (t), t R, gibi ilgili zaman t iki türevlenebilir fonksiyonları, temsil

Burada,p ^• (t) ve Q, ^• (t) zamana göre birinci dereceden türevleri ve F ve G, p ve q ¹⁰ fonksiyonlarıdır. Başlangıç ​​koşulları göz önüne alındığında, p (0) q ve (0), çözelti, [p (t), q (t)], parametrik yörünge şeklinde temsil edilen ya da (p, q varsayımsal bir parçacığın düzene edilebilir ) düzlemi. Parçacık yerleştirilir [p (0) q (0)] t = 0 ve hız [p ^• (t) ve Q, ^• (t)] ile (p, q) düzlemi üzerinde hareket ederken de. (P, q) düzlem sistemin faz düzlemi olarak da bilinir. Bir faz portre faz düzleminde bir parçacığın olası yörüngeleri bir grafiğidir. Sabit bir nokta (faz düzleminde p ^• Bir nokta m> t) = 0 ve q ^• (t) = 0. Sabit bir noktada kalan bir parçacık sabit kalır. Benzeşik bir sistem için, biz

Burada, A, 2 x 2 matris ve b, bir 2 x 1 sütun matristir. Faz portre Merkezi (p = _0, q ₀₎ gibi bir sabit alanına verilir

Biz görüntü işlenen düzleminin x ve y koordinatları ile işlevleri p (t) ve Q (t) ortak, ilgili yönlendirme alanı

res.jpg "width =" 500 "/>
Burada, Φ (xy) hız vektörü [p ^• (t), ^• q (t)] (x, y) x eksenine göre açısı = [p (t), q (t)] olduğu . Biz Gabor açısı tepki θ (i, j) ile Φ (xy) ilişkilendirmek, ve gibi minimize edilecek bir hata fonksiyon tanımlayabilirsiniz

burada [a, b] ve [c, d] A iki sıra bulunmaktadır. Geçen dönem spiküle düğüm alışkanlıklarına ilişkin olanlardan matris A yapılandırmalarında sapma için daha yüksek bir ceza (maliyet) sağlar. Yukarıda verilen denklem yerine sürekli alanı (x, y) ayrı bir ızgara (i, j) Φ (xy) temsil eder. EstimA ve ε ² aza indirmek b ates (A, b) aşağıdaki prosedür ile elde edilir:

1. A'nın başlangıç ​​tahminlerini elde edilir ve ε ² en aza indirilmesi yoluyla b (A, B) simüle tavlama yöntemi ⁴¹ kullanılmıştır.
2. Doğrusal olmayan en küçük kareler algoritması ⁴² ile ilk tahminler detaylandırarak en iyi tahminlerinin elde edilmesi.

Düğüm, eyer, ve spiral: Yukarıda açıklanan modelde, faz portreleri üç olası türleri vardır. Faz portre A tipi ^10,27,30,40 ve özdeğerlerine tarafından belirlenir. Bir dokulu görüntünün yönlendirme alanında kendi yönlendirme alanına en yakın olan faz portre tipini belirleyerek tanımlanabilir. Spiral desenleri analizinde ilgi olmadığındandüğüm ve eyer: mamografi, biz faz portreleri sadece iki tip sonuçlanan, simetrik olması için matris A sınırlamak.

Çünkü yansıtılan mamografi görüntüde üst üste olsun çeşitli açılarda spiküllerin bir dizi beklenen varlığı, mimari bir bozulma yer düğüm-gibi özelliklere sunacak varsayımında. Ancak, normal dokular, kanallar, damarlar ve meme diğer odaklı yapılar da öngörülen ve bir mamogram mimari bozulma görünümünü taklit desenleri oluşturmak için üst üste alabilir. Bu nedenle, şüpheli siteler ya da yapısal distorsiyon potansiyel sitelerin tespiti için düğüm haritasını analiz ve özellik çıkarma ve kalıp sınıflandırma daha başka aşamalar ile tespit siteleri analiz.

Bir mamografi birkaç sergilerler çünkü, biz o ile, 800 mikron / piksel değerinde, boyutu 10 x 10 piksel bir kayan analiz penceresi uygulamakadım başına ne piksel. Uygulanan tüm koşulları tatmin ise, pencerenin her bir konumu için, bir oylama, karşılık gelen sabit alanına göre verilen bir pozisyonda, düğüm haritası olarak adlandırılan bir harita, içine dökülmektedir. 3.0 'den büyük olan kendi koşul sayısı ile A matrisi ile ilgili sonuçlar mimari bozulma ¹¹ ile ilişkili olması beklenen değil desenleri görmezden reddedilir. Üstelik, ek olarak bir durum, sabit bir nokta ile ilgili analiz penceresinin konumu arasındaki mesafe dayatılan: mesafe en az üç piksel (2.4 mm) ya da daha büyük 20 piksel (16 mm), akım için sonuçları ise, analiz penceresi reddedilir. Oy büyüklüğü uyum ε ² ölçü oranına eşit ayarlanır (A, b), faz portre izotropisini vurgulamak için, A'nın durumu sayısına, Denklem 7 tanımlanmış. Düğüm harita daha sonra loc tespit etmek için analiz ediliral maxima veya mimari bozulma siteleri göstermesi beklenmektedir zirveleri. Bununla birlikte, bu prosedür, aynı zamanda üst üste normal yapıları nedeniyle yanlış pozitif (FP) sitelerinin bir dizi tespiti ile sonuçlanır.

Düğüm haritasında her zirvesinde, biz otomatik olarak 200 mikron / pixel de mamografik görüntü, boyut 128 x 128 piksel görüntü kenarlar hariç, bir yatırım getirisi ayıklayın. Biz, mamografi başına 30 İB'nin en fazla, tepe değerlerinin azalan olarak, düğüm haritası tepe ile gösterilen yerlerde İB'leri etiket.

Bilinen tanı ile mamografi bizim prosedürünü eğitmek için kullanıldığında, otomatik olarak radyolog tarafından belirlenen mimari bozulma parçaları içinde kendi merkezlerine İB'leri tespit gerçek pozitif (TP) ROller ibareli, diğerleri kullanımda FP ROI'ler olarak etiketlenmiş eğitim prosedürü. Bir mamografi eğitimli prosedürü kullanılarak analiz edildiğinde, İB'nin tüm algılanan birs üzerinde herhangi bir etiketlemeden sınıflandırması için işlenir.

Şekil 7, ilk düğüm ve Şekil 2B'de gösterilen mamogram için tespit İB'leri gösterir. Kırmızı dikdörtgenler radyolog tarafından işaretlenmiş şüpheli alanını gösterir.

Şekil 8 birkaç mamogram otomatik olarak ayıklanır TP ve FP İB'nin sayısını gösterir. TP İB'nin çoğu açıları geniş bir yelpazede yayılmış çok sayıda spikülleri ve yönlendirilmiş desenine sahiptir. FP ROI, diğer taraftan, daha dar bir açı aralığında yönelik normal doku yapılarının daha küçük bir sayı olması, ne olursa olsun, nedeniyle öngörülen mamografi görüntüde kendi süperpozisyonu için, bu mimari bozulma düğüm benzeri özelliklerini taklit eder.

Bizim strateji, (buna uygun düşük yanlış negatifler) ile ilk aşamada yüksek verimlilik veya hassasiyet ile şüpheli bölgeleri tespit etmek için bile eşlik numarası of FP büyüktür. İB'nin analizi sonraki adım tespit İB'nin verimli karakterizasyonu ve sınıflandırılması yoluyla hekimlerini azaltmaya yardımcı olmak için tasarlanmıştır.

6. Mimari Bozulma Karakterizasyonu

İlgili düğüm haritasında bir zirvede merkezli mimari bozulma, dahil olmak üzere otomatik olarak algılanır ROI çeşitli açılarda dağılmış birkaç spiküllerin sahip olasıdır. Biz bu karakteristik Fourier etki görüntü alanı ve spektral enerji enerji geniş bir açısal yayılmasına yol bekliyoruz. Daha önceki çalışmalarda, bu tür bir açısal dağılım açısal histogram ^21,22 olan bir gül diyagram şeklinde etkin bir şekilde temsil edilebilir olduğunu göstermiştir. Biz birim alana sahip ve bir olasılık yoğunluk fonksiyonu (PDF) olarak onu tedavi etmek için gül diyagramı normalleştirmek. Sonra, biz bozukluk veya dağılma bir istatistik ölçüsüdür her ROI kullanılarak entropi arasında PDF karakterize.

"ontent> mimari bozulma ile bölgelerde doku desen artan dağılım normal meme dokusunun fraktal doğasını değiştirir. fractalların sık kullanılan modelleri kendine benzer desen ^43-46 multiscale iç içe modellerine dayalıdır. fraktal davranış bir başka modeli Güç (1 / f) ile orantılı olarak azalır ki, frekans alanında bir spektrum ile ilgilidir fraksiyonel Brown hareketi (FBM) ^ β, f frekans ve β spektral bileşen ^47,48 olarak bilinir burada. FBM modeli rasgele desenler bulutlu benzer fraktal görüntülere yol açar;. karşılaştırılabilir kalıpları genellikle mamogram görülür resimlere Bu modeli uygulamak için, görüntünün, iki-boyutlu (2B) spektrumu, bir Fourier birine dönüştürülmesi gerekiyor -boyutlu (1D) fonksiyonu.

Bu açısal yayılmasını karakterize etmek ve fraktal Ölçüler bir tahminini elde etmek için entegre bir yöntem geliştirdikS ile gösterilen dikdörtgen koordinatlarda resmin 2D Fourier spektrumu, haritalama bir görüntünün iyon (FD), (u, v), S ile gösterilen kutupsal koordinatlar, (ƒ, Ν) bir spektrum. Prosedür aşağıdaki adımlarla ²¹ ile tarif edilir:

1. Her otomatik olarak çıkartılır 128 x 128 ROI ve ped boyutu 256 x 256 piksel bir dizi sıfır ile sonuç için von Hann pencere uygulayın.
2. 2D Fourier güç spektrumu, S (u, v), ROI için tahmini bir değer elde etmek için her bir yastıklı ROI ve elde edilen kompleks değer büyüklükte dönüşümü hesaplamak.
3. Sonraki adımda çıkarılması için spektrumun seçilen düşük frekanslı ve yüksek frekanslı bölümlerini tanımlamak.
4. 2B güç spektrumu S Harita (u, v) Kartezyen örnekleyerek ve ağırlıklı ortalamasını hesaplayarak (dikdörtgen) koordinatları (u, v) polar koordinatlara (ƒ, Ν) S elde etmek için (ƒ, Ν), den e dört komşusıfırdan örnekleme frekansının yarısına kadar radyal mesafe f, ve açı Ν = [0, 179 °] aralığı üzerinde ACH noktası.
5. Sıfır frekans Ν in aralığında alanına = [0, 179 °] in f radyal mesafe ya da frekansın bir fonksiyonu olarak entegre ederek, 1B işlev S (ƒ) içine 2D spektrumu S (ƒ, Ν) Transform açısı.
6. Seçilmiş düşük frekans ve yüksek frekans bölgelerinde noktaları hariç bir log-log ölçekte 1D spektrumu S (ƒ) sınırlı bir frekans aralığında, lineer regresyon uygulayın ve bir tahmindir monte hattının eğimi β elde FBM modelinde spektral bileşeni.
7. (- Β 8) / 2 ^15,49,50 FD = olarak FD tahmini değerini hesaplayınız.
8. 1B işlev S (Ν) içine 2D spektrumu S (ƒ, Ν) dönüşümü için, açının Ν bir fonksiyonu olarak bütünleştirerekaralığı [0, 179 °], radyal mesafe ƒ üzerinde sıfır frekans noktasından = [1, 128] piksel.
9. Birim toplamı var gibi sonuç entropi hesaplamak için S (Ν) Normale .

Yukarıda tarif edilen geometrik dönüşüm periyodik veya spiküle doku ⁹ spektral özelliklerinin gelişmiş temsili ve görselleştirme yol açar. Seçilmiş düşük ve yüksek frekanslı bölgeleri görüntünün genel görünüm ve görüntüde bulunan büyük yapılar, hem de yüksek frekans etkilerini önlemek için ilgili düşük frekanslı bileşenlerin etkilerini ortadan kaldırmak için hariç olması gerekir gürültü. Bu çalışmada, frekansların bantları (doğrusal olmayan kısımları yani) β ve FD tahmininde hariç olmak üzere bilinen FD ile sentezlenmiş görüntüleri kullanarak deneylere dayanarak seçilen ve aynı zamanda bir kullanıyorsunuzmamogram İB'nin sayısı. Doğrusal modelini tespit etmek için kullanılan ƒ aralığı [6, 96] piksele karşılık gelen veya [0.117, 1.875] [1, 128] piksel aralığı frekans aralığında [0, 2.5, ayrı ayrı gösterimine karşılık mm ^-1, ] ^-1 mm.

Şekil 9 ve 10 fraktal analiz ve TP YG ve sırasıyla FP ROI için frekans alanında güç açısal yayılması tahmini için çeşitli adımlar göstermektedir. Şekil 9D TP ROI için çok yönlü spiculating kalıplarının varlığını gösterir, oysa Şekil 10D, gücün yayılması FP ROI için açısal bantları küçük bir sayı ile sınırlıdır.

7. Pattern Sınıflandırma ve Doğrulama

6. Bölümde anlatıldığı gibi, [düğüm değerini, H _F, FD]: Şimdi her ROI için üç önlemler veya özellikleri otomatik olarak algılanır var. Biz bu özellikleri kullanmak, individually ve topluca, mimari bozulma ilgili spiculating desenleri karakterize etmek ve tespit FP ROI'ler gelen TP İB'leri ayırt etmek.

Şekil 9'da gösterilen TP ROI için, elde edilen üç önlemler oluşan özellik vektörü [0,0299, 7,2224, 2,3037] olduğunu. Şekil 10'da gösterilen FP ROI için, ilgili özellik vektörü [0.0349, 6,9444, 2,5223] olduğunu. Beklendiği gibi, H, _F değeri FP ROI için daha TP ROI için daha yüksektir ve FD değeri düşüktür. Ancak düğüm değeri nedeniyle ikinci olarak üst üste yapıların varlığı ile beklenen farklılıkları aykırı olan FP ROI için daha TP ROI için daha düşüktür. Genel olarak, biz diğer özellikler beklenen davranış göstermek için başarısız olsa bile beklenen trendleri takip ve İB'nin sınıflandırılmasında yardımcı olmak için bazı özellikleri bekleyebiliriz.

Özelliklerin performansını değerlendirmek içinBiz alıcı işletim karakteristiği (ROC) eğrisi (AUC) ^51,52 ve ücretsiz tepki ROC (Froc) analizi ^53-55 altında alanını kullanın. Tek bir özelliği ile ROC ve Froc analizi için, biz eğitimli bir sınıflandırıcı kullanmayın, onun yerine, biz bir sürgülü eşik uygulamak. Düğümün üç ayrı özellikleri, FD, ve H _F tipi sınıflandırma iyi bir potansiyel ama yeterli değil performansını göstermektedir ki, sırasıyla 0.61, 0.59, ve 0.64, AUC değerleri sağladı. Aynı özellikleri p değerleri otomatik tp ve FP İB'leri tespit edilen setleri için kendi değerleri arasında istatistiksel olarak çok önemli farklılıklar göstermektedir 1.7638e-009, 1.8793e-004, ve 2.2615e-013 vardır.

Özellikler çok sayıda sınıflandırılması için numune temsil etmek için kullanılır, bu özellikleri ilişkili kaldırmak ve sınıflandırıcı ^20-22 karmaşıklığını azaltmak amacıyla özelliklerin optimum bir alt-kümesini seçmek için gerekli olan, birkaç prosedürleriylebu, aşamalı lojistik regresyon ⁵⁶ ures gibi, bu amaç için kullanılabilir. Biz ROI başına sadece üç özelliklerini kullanarak çünkü mevcut çalışmada, biz özellik seçimi yapmazlar.

Eğitimli sınıflandırıcı doğrulama gerçekleştirmek için, biz terk-tek-hasta-out yaklaşımı ile örüntü sınıflandırma prosedürleri uygulayın. Bu sınıflandırıcı eğitim prosedür test edilecek hastanın mamogram çıkarılan İB'nin tüm hariç, ve o zaman test durumu için elde edilen sınıflandırıcı uygulanır. Biz sonra bir anda bütün kümesi, bir durum ya da hasta için prosedürü tekrarlayın.

Üç özellik seti ile ROC analizi için, Bayes varsayımı ⁵⁷ karesel diskriminant analizini gerçekleştiren bir sınıflandırıcı kullanın. Froc eğrilerini oluşturmak için, biz sadece bir altı durumlar dışında hasta için mevcut iki mamografik görüntülerde yüksek diskriminant değeri ile TP yatırım getirisini düşününgörüntü vaka başına kullanılabilir.

Sonuçlar

Üç özellik, her özellik kendi başına kullanılan, yani düğüm değeri, FD, ve H, _F, 0.61 sağlanan AUC değerleri, 0.59 ve 0.64, sırasıyla. Üç özellik kombine kullanımı AUC = 0.70 ile gelişmiş performans sağladı. Üç özelliklerin kombinasyonu ile elde edilen Froc eğrisi 7.5 FP / hasta 5.6 FP / hasta ve% 89 ile% 80 arasında bir duyarlılık gösterir, Şekil 11 'de gösterilmiştir. Sadece düğüm değerinin kullanımı 13.8 FP / hasta 8.1 FP / hasta ve% 89% 80 duyarlılığı sağladı.

Tartışma

Biz de interval kanser vakalarının önceki mamogram mimari bozulma tespiti için makine öğrenme ve CAD olarak bilinen dijital görüntü işleme ve örüntü tanıma karmaşık teknikler, bir dizi sundu. Yöntemler mamografik görüntülerde mevcut odaklı dokusal desen analizine dayanmaktadır. Bizim ile ilgili çalışmalarında önerilen çok daha fazla özelliklere dahil Bizim yöntemleri, en az 4 FP / hasta ^22,% 80 oranında bir duyarlılık ile, ortalama, 15 ay öncesinde klinik tanının zamanında meme kanserinin erken belirtileri sa...