4587759671

2.1.5    Ocena jakości metod poprawy percepcji...........51

2.1.6    Uwydatnianie mikrozwapnień.................56

2.2    Detekcja potencjalnych guzów i zaburzeń architektury.......58

2.2.1    Detekcja, bazująca na analizie pojedynczych pikseli.....58

2.2.2    Detekcja, bazująca na analizie regionów...........60

2.3    Detekcja potencjalnych mikrozwapnień................61

2.3.1    Lokalizacja...........................61

2.3.2    Segmentacja ..........................68

2.3.3    Klasteryzacja..........................69

2.4    Ekstrakcja i selekcja cech.......................72

2.4.1    Właściwości zaczerpnięte bezpośrednio z wiedzy medycznej

oraz danych klinicznych....................72

2.4.2    Właściwości obrazu zmian patologicznych, wyznaczane automatycznie ...........................74

2.5    Klasyfikatory..............................79

2.5.1    Sieci neuronowe jednokierunkowe trój warstwowe......79

2.5.2    Sieć neuronowa o radialnej funkcji bazowej .........81

2.5.3    Maszyny wektorów nośnych..................82

3 System wspomagania diagnostyki mammograficznej - Mam-

moViewer    83

3.1    Opis narzędziowy systemu.......................84

3.1.1    Proste operacje na obrazach..................86

3.1.2    Przetwarzanie i analiza w dziedzinie obrazu.........86

3.1.3    Wielorozdzielcza analiza obrazów...............87

3.2    Dobór    warunków prezentacji - interfejs dla radiologa........88

3.3    Metoda poprawy percepcji guzów i mikrozwapnień.........94

3.3.1    Optymalizowane parametry przetwarzania w dziedzinie talkowej ..............................94

3.3.2    Cel eksperymentów.......................94

3.3.3    Wstępne testy doboru parametrów..............95

3.3.4    Kolejne testy optymalizacyjne porównawcze z udziałem radiologa .............................103

3.3.5    Ogólne wnioski i dalsze konsultacje z radiologami......110

3.4    Segmentacja gruczołu piersiowego...................112

3.4.1    Wstępny algorytm segmentacji tkanki piersi.........112

3.4.2    Uzasadnienie potrzeby optymalizacji algorytmu.......113

3.4.3    Optymalizacja algorytmu segmentacji gruczołu piersiowego 113

3.5    Detekcja klastrów potencjalnych mikrozwapnień...........120

3.5.1    Lokalizacja jasnych plamek..................120

3.5.2    Klasteryzacja..........................123

3.5.3    Segmentacja obiektów potencjalnych mikrozwapnień .... 131

3.6    Ekstrakcja cech pojedynczych mikrozwapnień i klastrów......135

3.6.1    Opis potencjalnych mikrozwapnień..............135