Mamogram şəkillərində anormallıqları görselleştirmek və müəyyən etmək üçün müxtəlif boz miqyaslı intensivlik həddlərindən istifadə: 9 addım

2025 Müəllif: John Day | [email protected]. Son dəyişdirildi: 2025-01-23 12:54

Bu layihənin məqsədi, müxtəlif fon toxumalarının təsnifatlarının boz rəngli mamogram şəkillərini işləmək üçün bir parametrin müəyyən edilməsi və istifadəsi idi: Yağlı, Yağlı Glandular və Yoğun Doku. Bu təsnifat, rentgenoloqlar mamogramları təhlil edərkən və toxuma sıxlığının lezyonlar və ya şişlər kimi hər hansı bir anormallığı gizlədib -örtməyəcəyini nəzərə almaları lazım olduqda istifadə olunur. Bunun səbəbi glandular toxuma və lifli birləşdirici toxuma kimi normal fizioloji quruluşlardır. mamogramda kalsifikasiya və şişlər kimi anormal morfologiyalar çox parlaq, daha az sıx yağ toxuması isə qara görünəcək. Buna görə də, kütlələri ən yaxşı görüntüləmək və müəyyən etmək üçün piksel intensivliyi səviyyələrini manipulyasiya edə bilən bir təsnifatçının proqramlaşdırılması məqsədəuyğun idi.

Addım 1: Mamogram məlumatlarının təşkili

İdarə etməli olduğumu başa düşdüyüm ilk şey, məlumatları çox aydın, qısa və əlçatan bir şəkildə təşkil etmək idi. Bunlar mamogramların mini-MIAS verilənlər bazasından çıxardığım dəyişənlərdir. İki sıra yaratdım. Birində 4 sütun var:

1. Şəkil nömrəsi:
2. x kütlənin koordinatı
3. y kütlənin koordinatı
4. Kütlə yarıçapı: (Bu, kütlənin təxmini ölçüsünü təyin edir

İkinci sıra təsnifat məlumatlarını ehtiva edir:

1. Arxa Doku Tipi: Yağlı (F), Yağlı Glandular (G), Yoğun (D)
2. Kütlənin Təsviri: Yaxşı təyin olunmuş (CIRC), spikulyasiya edilmiş (SPIC), pis müəyyən edilmiş digər (MISC) Memarlıq təhrifi (ARCH), Asimmetriya (ASYM), Normal (NORM)
3. Diaqnozlar: Bədxassəli (B), Bədxassəli (M)

Bu layihənin məqsədi hər növ fon toxuması üçün ən yaxşı həddi təyin etmək olduğundan, bütün məlumatlar lazım deyildi. Bununla birlikdə, layihənizi toxuma təhlili daxil etmək üçün genişləndirə və təsnifatçınızı məlum kütlə təsvirlərinə qarşı sınaya bilərsiniz.

Yan Qeyd: Mammogram Şəkilləri diaqnozu aldığım verilənlər bazası, hər bir mamogram haqqında məlumatı şəkillərdən ayrı bir mətn sənədində təşkil etdi. Bir mətn faylından məlumatları çıxarmaq və bir sıra formalara bölmək mənim üçün bir qədər çətin idi, amma aşağıdakı bağlantı bütün bunları anlamağa çox kömək etdi. Alternativ olaraq, məqsədləriniz üçün yuxarıda yapışdırdığım kodu tənzimləyin.

Mamografi Fayl Formatı: mdb001 G CIRC B 535 425 197

mdb002 G CIRC B 522 280 69

TextScan Yardımı: https://www.mathworks.com/help/matlab/ref/textsca… Mammogram Veritabanı:

Addım 2: Şəkil İşlənməsi

Kütlələri necə təyin edəcəyimi anladığım zaman ortaya çıxan ikinci şey, bir çox anormal mamogram üçün anormallığın harada olduğunu və nə qədər böyük olduğunu vizual olaraq deyə bilməməyim idi. Aydındır ki, təcrübəli radioloq olmadığım üçün gözlənilən idi. Ancaq anormallıqları tapmağın ən sadə yolu (uzun google axtarışlarıma görə) parlaq və qaranlıq ərazilərin konsentrasiyalarına baxmaq idi. İlk növbədə, fərqli kontrast səviyyələrini sınamaq üçün görüntünün kontrastını artırmaq və sonra görüntünü ikili bir görüntüyə çevirmək üçün uyğunlaşdırmaq üçün adapthisteq funksiyasından istifadə etdim.

1. adapthisteq: Bu funksiya kontrast məhdud adaptiv histoqram bərabərləşdirməsindən istifadə edərək boz rəngli və rgb şəkillərinin intensivlik dəyərlərini çevirir. Başqa sözlə, intensivlik dəyərlərinin histoqramını müəyyən bir paylanma növünə uyğunlaşdırır. Bu funksiya üçün riyazi işlər bağlantısı daha çox oxumaq üçün aşağıda verilmişdir.
2. imbinarize: müəyyən bir intenistdən yuxarıdakı bütün pikselləri 1s -ə və bu dəyərin altındakı pikselləri 0 -a təyin edərək boz miqyaslı bir görüntüdən ikili bir görüntü yaradır. Bu funksiyanı arxa toxuma səs -küyünü azaltmaq üçün optimal həddi sınamaq üçün istifadə etdim.

Addım 3: Eşik Məcəlləsi

Fərqli eşikləri olan mamogramı ikiqatlaşdırmaq üçün for loop istifadə olunur. Daha böyük bir şəkil vermək üçün for loop 3 -cü addımdan 7 -ci adama qədər olan kodu ehtiva edir. Beləliklə, hər ikili görüntü anormallıqlar üçün təhlil ediləcək. Əlavə olaraq, bu loop üçün hər bir iterasiyada verilənlər bazasından yeni bir mamogram görüntüsü gətirən başqa bir döngə daxil edilir.

Addım 4: Hər İkili Görüntü üçün Anormallıqların Tapılması

Arxa fon səs -küyünü aradan qaldırmaq üçün imopen ilə birlikdə strel funksiyasından istifadə edərək ikili şəkilləri daha da işlətdim. Əvvəlki addımdakı ikili görüntü, SE tərəfindən təyin olunan məhəllədən istifadə edərək ters çevrilir və süzülür. Sonra bwlabel istifadə edərək ən az 8 bağlı pikseli olan bütün sahələri etiketlədim.

Bölgə rekvizit funksiyası, bwlabel ilə təyin olunan hər bir nöqtənin mərkəz hissəsini və sahə xüsusiyyətlərini tapmaq üçün istifadə edilmişdir.

Sonra 500 pikseldən daha böyük olan bütün ləkələr isember istifadə edərək müəyyən edildi. Müəyyən edilmiş ləkələr üçün mərkəzlər yalnız 500 -dən böyük ərazidə olan ləkələri əks etdirən bir şəkil üzərində qurulmuşdur. Nöqtələr = Müəyyən edilmiş> 0;

Addım 5: Vizual Müqayisə üçün Diaqnoz Kütləvi Yerin və Ölçünün Çizilməsi

Bwlabel ilə tapılan ləkələrin doğru olub olmadığını görmək istədim. Bunu iki şəkildə etdim. İlk olaraq vizual müqayisə edərək təsnifatçımın düzgünlüyünü təhlil etdim. Anormallığın həqiqi ölçüsünü və yerini (qırmızı dairə) və əvvəlcədən işlənmiş mamogram görüntüsündə kodla (mavi x) təyin olunan yeri qoydum. Yuxarıdakı altı şəkil, boz rəngli eşik dəyərinin artmasının təsirini göstərir.

Addım 6: İkinci müqayisə metodunun tətbiqi

Təsnifatçını və eşik dəyərlərini sınamağın ikinci yolu, təsnifatçının tapdığı yerlərin diaqnoz qoyulmuş anormallıq koordinatlarından müəyyən bir məsafədə olub -olmadığını təyin etmək idi. Müəyyən edilmiş nöqtələrdən ən azı birinin 1,5*r içərisində olduğu eşikləri, məlum anormallıqdan Mammogram Data adlı ayrı bir mətn sənədinə saxladım. Bunun məqsədi, təsnifatçımın anormallığı təyin etməsi üçün lazım olan minimum həddi tapmaq idi.

Addım 7: Toplanan məlumatların təhlili

Proqramı bütün anormal mamografi şəkillərində idarə etdim və böyük bir mətn faylı qaldım. Hər bir toxuma növü üçün ən yaxşı eşik tapmaq üçün məlumatları toxuma növünə görə təşkil etdim və hər bir toxuma növü üçün eşik dəyərlərinin histogramını tərtib etdim. Müvafiq eşik dəyərinə, hər bir toxuma növü üçün ən doğru nəticələrin verildiyinə qərar verildi. Bu məlumatları təsnifçimə yükləmək üçün saxladım.

Addım 8: Öz təsnifatçınızı hazırlayın

Hər bir toxuma növü üçün ən uyğun eşik dəyərlərini tapdıqdan sonra, mamoqram görüntüsü üçün ərəfəni seçmək üçün istifadəçinin görüntü nömrəsini və toxuma tipini daxil etməsi üçün orijinal kodumu düzəltdim. Daha sonra diaqnoz qoyulmuş mamogramın yerini orijinal mamogram şəkillərində tapılan yerlərlə birlikdə qurdum. Bunu daha əyləncəli etmək istədim, buna görə ROI ətrafındakı dairəvi bir bölgəni kəsmək üçün bir funksiya proqramlaşdırdım. İstifadəçiyə ROI -ni ən yaxşı əhatə edən bir mərkəz nöqtəsi və bir neçə nöqtə seçməsi tapşırılacaq. Hər iki matlab faylını bura əlavə etdim.

Addım 9: Təkmilləşdirmələr? Fikirləriniz varmı?

Bu təlimatı yazarkən təsnifatçının toxuma təhlili əsasında müəyyən edilmiş fərqli kütlə növlərini ayırd etmək yollarını tapmaq və ya SandBoxProject -in dəqiqlik hissəsini yoxlamaq üçün testlərimi təkmilləşdirmək kimi edə biləcəyim bir çox inkişafları görməyə başlayıram. fayl. Bu son tarixə malik bir layihə olduğundan bir yerdə dayanmalı oldum, amma ümid edirəm ki, öyrəndiyim şəkil işləmə bacarıqlarını digər tətbiqlərdə istifadə edə biləcəyəm. Ayrıca, bütün anormal mamogram şəkillərini toplu şəkildə işlətmək üçün istifadə olunan faylı əlavə etdim.