Содержание 2
Введение 3
Глава 1. Машинное обучение 7
1.1. Используемые алгоритмы классификации 9
1.1.1. Искусственные нейронные сети 9
1.1.2. Машины опорных векторов 10
1.1.3. Метод k-ближайших соседей 11
1.2. Используемые алгоритмы сегментации 12
1.2.1. Сегментирование с помощью алгоритма k-means 13
1.3. Реализация алгоритмов в среде MATLAB 13
Глава 2. Применение машинного обучения в системе компьютерного анализа новообразований 15
2.1. Исходные данные 15
2.2. Методика классификации и сегментации 17
2.2.1. Признаки Харалика 19
2.2.2. Признаки Тамуры 21
2.2.3. Фильтры Габора 21
2.3. Полученные результаты 23
Заключение 28
Список использованных источников 29
Приложения
Болезни молочной железы занимают лидирующие позиции среди заболеваний женского населения. Рак молочной железы (РМЖ) является наиболее часто диагностируемым раком у женщин (каждый четвертый из всех новых случаев рака, диагностируемых у женщин во всем мире, является раком молочной железы), и рак является наиболее распространенным в 154 из 185 стран. Рак молочной железы также является основной причиной смерти от рака у женщин (15,0%), за которым следует колоректальный рак (9,5%) и рак легких (8,4%) [1]. Как видно из представленной на рисунке 1 статистической информации, рак молочной железы лидирует по сравнению с другими формами онкологических заболеваний женщин.
Наибольшее распространение получили методы выявления РМЖ, такие как маммография и ультразвуковое исследование (УЗИ).
Маммография является самым распространенным неинвазивным рентгенологическим методом выявления заболеваний молочной железы. Большинство медицинских учреждений России оснащены аналоговыми маммографическими комплексами. Маммограммы, полученные с помощью этих комплексов имеют большое количество недостатков: низкий уровень контрастности, слабую геометрическую взаимосвязь подозрительных областей и присутствии шумов, искажений, текстурных областей, схожих с областями, принадлежащими исследуемому объекту. Анализ маммограмм выполняет врач- рентгенолог визуально и качество оценки снимка, а, следовательно, и результат диагноза зависит от состояния здоровья врача, его квалификации, времени осмотра снимка, достаточной подсветки изображения и других факторов. Цифровые маммографические комплексы устраняют большинство недостатков пленочной маммографии, однако дороги, как в приобретении, так и в обслуживании [2].
Маммография - единственный способ против рака молочных желёз, который позволяет уменьшить смертность за счёт раннего выявления заболевания. Однако маммография не способна выявить вообще все раковые опухоли в области молочных желёз. Некоторые аномалии не видны или трудноразличимы во время маммографии. В упругих грудях, в которых обилие протоков, желёз, волокнистой ткани и отсутствие жира, очень трудно различить рак на маммографии. Множество исследований показало, что ультразвуковое исследование может дополнить результаты маммографии в трудных случаях [3]. Во время УЗИ обнаруживается гораздо больше аномалий, чем во время маммографии. Эти отклонения обычно раковыми не являются (ложное срабатывание), что и ограничивает эффективность УЗИ.
Таким образом, основным недостатком выявления РМЖ является ручная обработка и визуальный анализ маммограмм и снимков УЗИ.
В связи с вышесказанным актуальной является разработка систем компьютерного анализа (CAD) медицинских изображений, способных выделять подозрительные изменения для последующего их прицельного анализа специалистом. Внедрение CAD в медицинскую практику позволит сократить время обработки и анализа каждого снимка, появится возможность получить новые данные о динамике развития опухолей, повысится точность и объективность диагноза за счет использования большего количества данных.
На настоящее время существует алгоритм работы системы компьютерного анализа, способный выделять области, которые соответствуют новообразованиям. Основной принцип выделения, которого заключается в построении линий уровня для различных значений яркости маммограммы. Но данный алгоритм не всегда выделяет на снимке интересующую нас область, он также выдает ложноположительные результаты.
Поэтому цель данной работы - разработать алгоритмы, позволяющие улучшить надежность работы существующей системы компьютерного анализа новообразований и расширить ее функциональные возможности.
Для достижения поставленной цели были выявлены следующие задачи:
1. Изучение статистических и текстурных признаков изображений;
2. Изучение методов машинного обучения для классификации и сегментации;
3. Реализация в среде MATLAB алгоритмов расчета признаков для медицинских изображений, их классификации и сегментации;
4. Проверка эффективности предложенных алгоритмов;
5. Выбор наиболее оптимальных признаков, методов классификации и сегментации.
В настоящее время в онкологическом диспансере Республики Марий Эл при автоматизированной обработке медицинских изображений используется программный продукт TGViewer. Из-за малой контрастности маммографических и ультразвуковых медицинских изображений при автоматической обработке сложных для диагностирования случаях программа дает много ложноположительных результатов. Данная работа посвящена развитию методов компьютерного анализа медицинских изображений, позволяющих как улучшить надежность работы существующего программного продукта, так и расширить его функциональные возможности.
Были изучены особенности различных методов классификации и проведен анализ их эффективности в задаче классификации областей интереса на маммографических изображениях. Лучшие результаты были получены при использовании метода опорных векторов. Более 90% ложноположительных результатов можно исключить при использовании данного метода.
Предложен и реализован оригинальный алгоритм сегментации областей на изображениях УЗИ, соответствующих различным типам ткани. В результате проведенных исследований установлены оптимальные параметры работы этого алгоритма. Наилучшие результаты сегментации достигаются при расчете признаков Харалика и классификации методом опорных векторов. Созданный программный продукт прошел апробацию на верифицированных медицинских изображениях и доказал свою эффективность.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
