ПРИКАСПИЙСКИЙ ЖУРНАЛ

УПРАВЛЕНИЕ И ВЫСОКИЕ ТЕХНОЛОГИИ

АВТОМАТИЗИРОВАННАЯ СИСТЕМА ДЛЯ КЛАССИФИКАЦИИ ЗАБОЛЕВАНИЙ МОЛОЧНОЙ ЖЕЛЕЗЫ ПО РЕНТГЕНОВСКИМ МАММОГРАФИЧЕСКИМ СНИМКАМ

Читать Дабагов Анатолий Рудольфович, Малютина Ирина Алексеевна, Кондрашов Дмитрий Сергеевич, Серебровский Вадим Владимирович, Шехине Мохамед Туфик АВТОМАТИЗИРОВАННАЯ СИСТЕМА ДЛЯ КЛАССИФИКАЦИИ ЗАБОЛЕВАНИЙ МОЛОЧНОЙ ЖЕЛЕЗЫ ПО РЕНТГЕНОВСКИМ МАММОГРАФИЧЕСКИМ СНИМКАМ // Прикаспийский журнал:  управление и высокие технологии. — 2019. — №4. — Стр. 10-24.

Дабагов Анатолий Рудольфович - кандидат технических наук, президент АО «Медицинские технологии Лтд», АО «Медицинские технологии Лтд», 105318, Российская Федерация, г. Москва, ул. Ибрагимова, 31, dar@mti.ru

Малютина Ирина Алексеевна - аспирант, Юго-Западный государственный университет, 305040, Российская Федерация, г. Курск, ул. 50 лет Октября, 94, Irina92_2010@mail.ru

Кондрашов Дмитрий Сергеевич - аспирант, Юго-Западный государственный университет, 305040, Российская Федерация, г. Курск, ул. 50 лет Октября, 94, kondrashov012@mail.ru

Серебровский Вадим Владимирович - доктор технических наук, профессор, Юго-Западный государственный университет, 305040, Российская Федерация, г. Курск, ул. 50 лет Октября, 94, SFilist@mail.ru

Шехине Мохамед Туфик - кандидат технических наук, доцент, Курский государственный медицинский университет, 305041, Российская Федерация, г. Курск, ул. К. Маркса, 3, chahine@Kgmu.com

Цель исследования заключается в разработке классификаторов для автоматизированной системы скрининговой классификации маммограмм молочной железы. Исследована трехэтапная классификация рентгеновских снимков молочной железы. На первом этапе осуществляется семантическая сегментация изображения. На втором этапе из выделенных сегментов формируется область интереса, а на третьем этапе принимается решение о принадлежности области интереса к известному морфологическому образованию. ЛПР может вмешаться в процесс классификации как на втором, так и на третьем этапах. В автоматизированной системе применяется двухальтернативный классификатор, основанный на методе максимального правдоподобия. Классификатор включает алфавит из двух классов C1 и C2. Класс C1 соответствует блокам в состоянии нормы, а класс C2 - это блоки, у которых имеются морфологические образования, вызванные патологическими процессами. В качестве входных данных для расчета информативных показателей использовались тестовые маммографические изображения молочной железы из базы данных MIAS с подтвержденными диагнозами. Проведена экспериментальная апробация программного обеспечения автоматизированной системы по классификации рентгенограмм молочной железы по классам «нет области интереса» или «есть область интереса». В качестве текстурных характеристик классифицируемых сегментов предложено использовать статистические характеристики яркости пикселей сегмента: моду, математическое ожидание, среднеквадратическое отклонение. Проведен разведочный анализ текстурных характеристик выборок двух классов: С1 - норма и С2 - новообразование. Получен критерий оценки результатов классификации маммографических изображений. Эксперименты на контрольных выборках показали диагностическую эффективность по классам рентгенограмм «нет области интереса» - «есть область интереса» не ниже 90 %, а по классам сегментов «норма» - «патология» не ниже 91 %.

Ключевые слова: онкологические заболевания, рентгенограммы молочной железы, сегментация, морфологические образования, область интереса, классификатор, метод максимального правдоподобия, показатели качества классификации, cancers, breast X-rays, segmentation, morphologica