Kutumia Vizuizi Vya Ukali wa Kiwango cha Uzani wa Kuibua na Kuona Usio sawa katika Picha za Mammogram: Hatua 9

2024 Mwandishi: John Day | [email protected]. Mwisho uliobadilishwa: 2024-01-30 12:52

Madhumuni ya mradi huu ilikuwa kutambua na kutumia parameta kusindika picha za kijivu kijivu cha uainishaji anuwai wa tishu asili: Mafuta, Glandular ya Mafuta, na Tishu Nene. Uainishaji huu unatumiwa wakati wataalamu wa radiolojia wanachambua mammogramu na wanahitaji kuzingatia ikiwa wiani wa tishu utaficha ukiukwaji wowote kama vidonda au uvimbe. Hii ni kwa sababu miundo ya kawaida ya kisaikolojia kama vile tishu za glandular na tishu zinazojumuisha za nyuzi. na maumbile yasiyo ya kawaida kama vile hesabu na uvimbe utaonekana kuwa mkali sana kwenye mammogram wakati tishu zenye mafuta kidogo zitaonekana nyeusi. Kwa hivyo, ilikuwa sahihi kupanga mpangilio wa aina ambayo inaweza kudhibiti viwango vya kiwango cha pikseli ili kuibua vizuri na kutambua umati.

Hatua ya 1: Kuandaa Takwimu za Mammogram

Moja ya mambo ya kwanza niligundua nilihitaji kushughulikia ilikuwa kuandaa data kwa njia wazi kabisa, fupi na inayoweza kupatikana. Hizi ndio anuwai nilizozitoa kutoka kwa Hifadhidata ya mini-MIAS ya mammograms. Niliunda safu mbili. Moja iliyo na safu wima 4:

1. Nambari ya Picha:
2. x uratibu wa misa
3. y uratibu wa misa
4. Radi ya Misa: (Hii ilifafanua ukubwa wa takriban kwa misa

Safu ya pili ilikuwa na habari ya uainishaji:

1. Aina ya Tishu za Asili: Mafuta (F), Mafuta ya Glandular (G), Dense (D)
2. Maelezo ya Misa: Imefafanuliwa vizuri (CIRC), imeangaziwa (SPIC), inaelezea vibaya (MISC) upotoshaji wa usanifu (ARCH), Asymmetry (ASYM), Kawaida (NORM)
3. Utambuzi: Benign (B), Mbaya (M)

Kwa kuwa lengo la mradi huu ilikuwa kuamua kizingiti bora kwa kila aina ya tishu za asili sio habari zote zilikuwa muhimu. Walakini, unaweza kupanua mradi wako kujumuisha uchambuzi wa muundo na ujaribu kiainishaji chako dhidi ya maelezo ya habari inayojulikana.

Maelezo ya Upeo: Hifadhidata ambayo nimepata Picha za Mammogram zilizopangwa zilipanga habari kuhusu kila mammogram katika faili ya maandishi tofauti na picha. Ilikuwa ngumu sana kwangu kutoa data kutoka kwa faili ya maandishi na kupanga katika fomu za safu, lakini kiunga kifuatacho kilisaidia sana kugundua hayo yote. Vinginevyo, rekebisha tu nambari niliyobandika hapo juu kwa madhumuni yako.

Fomati ya faili ya Mammogram: mdb001 G CIRC B 535 425 197

mdb002 G CIRC B 522 280 69

Msaada wa TextScan: https://www.mathworks.com/help/matlab/ref/textsca ……. Database Database:

Hatua ya 2: Usindikaji wa Picha

Kweli, jambo la pili ambalo lilikuja wakati nilipogundua jinsi ya kutambua umati ni kwamba kwa mammogramu mengi yasiyo ya kawaida sikuweza kuibua kuelezea hali isiyo ya kawaida au ilikuwa kubwa kiasi gani. Kwa wazi, kwa kuwa mimi sio mtaalam wa mionzi, ilitarajiwa. Walakini, njia ya moja kwa moja ya kupata hali isiyo ya kawaida (kulingana na utaftaji wangu mrefu wa google) ilikuwa kuangalia viwango vya maeneo angavu na meusi. Mimi kimsingi nilitumia kazi ya adaptthisteq kuongeza utofauti wa picha na kisha imbinarize kubadilisha picha hiyo kuwa picha ya binary ili kujaribu viwango tofauti vya kizingiti.

1. adaptthisteq: Kazi hii inabadilisha maadili ya ukubwa wa picha za kijivu na rgb kwa kutumia kulinganisha kusawazisha kwa histogram. Kwa maneno mengine, inarekebisha histogram ya maadili ya kiwango na aina maalum ya usambazaji. Kiunga cha hesabu cha kazi hii kimeambatanishwa hapa chini kwa kusoma zaidi.
2. imbinarize: huunda picha ya kibinadamu kutoka kwa picha ya kijivu kwa kupeana saizi zote zilizo juu ya intenisty fulani kwa 1s na saizi zilizo chini ya hiyo zina thamani ya 0. Nilitumia kazi hii kujaribu kizingiti bora kupunguza kelele ya tishu ya nyuma.

Hatua ya 3: Msimbo wa kuzuia

Kitanzi hutumiwa kubana mammogram na vizingiti tofauti. Ili kutoa mwonekano mkubwa wa picha, kitanzi kina nambari kutoka Hatua ya 3 hadi Hatua ya 7. Kwa hivyo kila picha ya binary itachambuliwa kwa hali isiyo ya kawaida. Kwa kuongeza, hii kwa kitanzi imefungwa kwa mwingine kwa kitanzi ambacho huingiza picha mpya ya mammogram kutoka kwa hifadhidata katika kila iteration.

Hatua ya 4: Kupata Uharibifu kwa Kila Picha ya Kibinadamu

Niliendelea kusindika picha za kibinadamu kwa kutumia kazi ya strel kwa kushirikiana na imopen ili kuondoa kelele ya nyuma. Picha ya binary kutoka kwa hatua ya awali imebadilishwa na kuchujwa kwa kutumia ujirani uliofafanuliwa na SE. Kisha nikatumia bwlabel kuweka lebo katika maeneo yoyote ambayo yalikuwa na saizi angalau 8 zilizounganishwa.

Kazi ya props ya mkoa ilitumika kupata sentimita na mali ya eneo la kila doa lililotambuliwa na bwlabel.

Kisha matangazo yote makubwa kuliko saizi 500 yaligunduliwa kwa kutumia ismember. Centroids za matangazo yaliyotambuliwa zilipangwa kwenye picha ambayo ilionyesha tu matangazo makubwa katika eneo kuliko 500. Area Imetambuliwa = mjumbe (Imeandikwa, dalili (zilizopangwaAreas> 500)); Matangazo = Imetambuliwa> 0;

Hatua ya 5: Kupanga eneo la Misa lililogunduliwa na Ukubwa wa Ulinganisho wa Visual

Nilitaka kuona ikiwa matangazo yaliyopatikana na bwlabel yalikuwa sahihi. Nilifanya hivi kwa njia mbili. Kwanza nilichambua usahihi wa mpatanishi wangu kwa kufanya kulinganisha kwa kuona. Nilipanga tu ukubwa halisi na eneo la hali isiyo ya kawaida (mduara mwekundu) na eneo lililoamuliwa na nambari (bluu x) kwenye picha ya mammogram iliyosindikwa kabla. Picha hizo sita hapo juu zinaonyesha athari za kuongeza thamani ya kizingiti kijivu.

Hatua ya 6: Utekelezaji wa Njia ya kulinganisha ya pili

Njia ya pili nilijaribu mpatanishi na maadili ya kizingiti yalikuwa kwa kuamua ikiwa maeneo yaliyopatikana na kiainishaji yalikuwa ndani ya umbali fulani kutoka kwa uratibu wa hali isiyo ya kawaida. Nilihifadhi vizingiti ambavyo angalau moja ya nukta zilizotambuliwa zilikuwa ndani ya 1.5 * r kutoka kwa hali isiyo ya kawaida inayojulikana hadi faili tofauti ya maandishi inayoitwa Takwimu za Mammogram. Kusudi la hii ilikuwa kupata kizingiti cha chini kinachohitajika kwa mpatanishi wangu kutambua hali isiyo ya kawaida.

Hatua ya 7: Kuchambua Takwimu zilizokusanywa

Niliendesha programu kwenye picha zote zisizo za kawaida za mammogram na nilibaki na faili kubwa ya maandishi ya data. Ili kupata kizingiti bora kwa kila aina ya tishu niliandaa data na aina ya tishu na nikapanga histogram ya maadili ya kizingiti kwa kila aina ya tishu. Thamani sahihi ya kizingiti iliamuliwa ni kizingiti kipi kilitoa matokeo sahihi zaidi kwa kila aina ya tishu. Nilihifadhi data hii kupakia kwenye kitambulisho changu.

Hatua ya 8: Kufanya Ainishaji yako mwenyewe

Baada ya kupata maadili sahihi ya kizingiti kwa kila aina ya tishu, nilibadilisha nambari yangu asili kuwa na mtumiaji anayeingiza nambari ya picha na aina ya tishu kuchagua kizingiti cha picha ya mammogram. Kisha nikapanga eneo la mammogram iliyogunduliwa na maeneo yaliyopatikana kwenye picha asili za mammogram. Nilitaka kufanya hii kuwa ya kufurahisha zaidi kwa hivyo nilipanga kazi ya kupanda mkoa wa mviringo unaozunguka ROI. Mtumiaji ataagizwa kuchukua hatua ya katikati na vidokezo kadhaa ambavyo vinajumuisha ROI. Niliambatanisha faili zote za matlab hapa.

Hatua ya 9: Maboresho? Mawazo yoyote?

Nilipokuwa nikiandika haya ya kufundisha naanza kuona maboresho mengi ambayo ningeweza kufanya kwa mpatanishi kama vile kutafuta njia za kutofautisha kati ya aina tofauti za raia zilizotambuliwa kulingana na uchambuzi wa unene au kuboresha upimaji wangu wa sehemu ya usahihi wa SandBoxProject. faili. Kwa kuwa huu ulikuwa mradi na tarehe ya mwisho ilibidi nisimame mahali pengine, lakini ninatumahi kuwa nitaweza kutumia ustadi wa usindikaji wa picha niliyojifunza katika programu zingine. Pia, niliambatanisha faili ambayo ilitumiwa kusindika picha zote za mammogram isiyo ya kawaida.