Введение 4
Глава 1. Параметры изображения, используемые в близких по содержанию работах 7
1.1 Статистические параметры отсчетов 7
1.2 Параметры текстуры отсчетов 10
1.3 Исходные данные 12
Глава 2. Результат применения параметров, используемых в близких
по содержанию работах, по различным отсчетам данной выборки 14
2.1 Результат применения параметров для отсчетов выделенной
области и для гистограммы этих отсчетов 15
2.2 Результат применения параметров для отсчетов модулей
градиентов в каждой точке выделенной области и для гистограммы этих отсчетов. 17
2.3 Результат применения параметров для отсчетов направлений
градиентов в каждой точке выделенной области и для гистограммы этих отсчетов. 19
2.4 Результат обнаружения новообразования, при учете всех
отобранных параметров
Глава 3. Построение модели изображения и выбор параметров,
отвечающих за наличие новообразования 25
3.1 Построение идеализированной модели и результаты построения 25
3.2 Усложнение модели и результаты построения 303
Заключение 37
Список использованной литературы 39
Приложение 1 40
Приложение 2 41
Приложение 3 42
Приложение 4 43
Приложение 5 44
Приложение 6 45
Маммографическое обследование - вид обследования молочных желез, основанный на использовании рентгеновского излучения низкой дозы.
Снимок (см. рис. 1а), полученный при маммографическом обследовании (маммограмма), используется для диагностики и выявления заболеваний молочных желез у женщин на ранних стадиях [1], прежде всего, рака молочной железы (РМЖ).
Проблема РМЖ по-прежнему актуальна. Ежегодно более 1 млн. человек во всем мире заболевают РМЖ, который составляет почти четверть всех злокачественных опухолей, регистрируемых у женщин. Это побуждает на разработку и внедрение массовых программ скрининга РМЖ. Увеличение числа обследуемых приводит к большей нагрузки на врачей-рентгенологов, что снижает результативность и требует массового одновременного обучения сразу большого числа специалистов, задействованных в таких программах.
В связи с этим возрастает интерес к системам компьютерного анализа маммографических изображений, способных выделять подозрительные изменения для последующего их прицельного анализа специалистом рентгенологом [2].
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 (см. рис. 1б). Из полученного набора линий уровней определяются наборы контуров выделенных объектов, которые являются последовательно вложенными друг в друга (см. рис. 1в) [3]Таким образом, ставится следующая цель: определить параметры выделенной на маммограмме области интереса, которые позволят разделить изображения содержащие новообразования и не содержащие.
Решаемые задачи:
1. Исследование статистических и текстурных параметров маммографических изображений, используемых в близких по содержанию работах.
2. Анализ эффективности параметров изображения, используемых в близких по содержанию работах в задаче обнаружения злокачественного новообразования.
3. Построение модели изображения и выбор параметров, отвечающих за наличие новообразования.
4. Анализ эффективности параметров модельного изображения при обнаружении злокачественного образование
Проведено исследование эффективности применения статистических и текстурных параметров маммографических изображений, используемых в близких по содержанию работах, к выборке выделенных областей по различным отсчетам.
Среди параметров, были отобраны следующие: однородность отсчетов модулей градиентов, среднее квадратичное отклонение отсчетов направлений градиентов, относительная гладкость столбцов гистограммы отсчетов направлений градиентов и среднее арифметическое столбцов гистограммы отсчетов направлений градиентов.
Совокупность отобранных параметров, позволяет обнаружить область, содержащую злокачественное новообразование, с высокой вероятностью.
В качестве идеализированной модели изображения рассматривался параболоид вращения.
Были определены параметры: показатель изрезанности контура поверхности и сумма квадратов отклонений от построенной модели отсчетов яркости.
Установлено, что в рамках нашей модели выделенная область, содержащая новообразование, имеет более изрезанный контур поверхности и сумма квадратов отклонений от модели отсчетов яркости у нее меньше. Но не удалось определить пороги значений выбранных параметров, при которых можно отличить выделенные области. Результатов с малой вероятностью ошибки данные параметры не дали, поэтому модель была усложнена.
В качестве усложненной модели изображения рассматривалась поверхность второго порядка, но основание поверхности так же интерполировалось, как и для идеализированной модели.
Результаты показали, что усложненная модель не значительно отличается от параболоида вращения, и, соответственно, не дает хороших результатов обнаружения. Это означает, что необходимо строить модель без интерполяции контура.
Таким образом, на данный момент параметры позволяют лучше определить область, содержащую новообразование, чем построенная модель.
И в дальнейшем модель выделенной области будет усложнена.
