Методологічний підхід до виявлення патологічних змін на мамограмах із використанням вейвлет-аналізу

Анотація

Раннє виявлення патологічних змін молочної залози є важливим завданням медичної діагностики, оскільки на початкових етапах захворювання патологічні структури можуть мати низький локальний контраст, невеликі розміри та маскуватися неоднорідною анатомічною структурою тканин. Це зумовлює актуальність розроблення методів автоматизованого аналізу цифрових мамографічних зображень, здатних враховувати просторові та багатомасштабні характеристики патологічних областей. У роботі запропоновано методологічний підхід до автоматизованого виявлення та локалізації патологічних змін на цифрових мамограмах на основі двовимірного дискретного вейвлет-перетворення. Сформовано відтворюваний алгоритм із фіксованими параметрами та оригінальним правилом формування карти підозрілості. Алгоритм передбачає сегментацію області молочної залози, анізотропну дифузію Перона–Маліка, локальне контрастування з використанням методу адаптивного вирівнювання гістограми з обмеженням контрасту, три-рівневу декомпозицію, м'яке порогування коефіцієнтів за універсальним порогом та обчислення локальних статистичних і текстурних характеристик. Наукову новизну становить критерій міжмасштабної узгодженості, за яким локальна підозрілість формується не лише з величини окремого вейвлет-коефіцієнта, а з узгодженості енергетичної, статистичної та просторово-текстурної характеристик на суміжних масштабах. Для різних типів мамографічних проявів задано окремі правила: мікрокальцинати аналізуються переважно за високочастотною енергією та ексцесом, маси – за низькочастотною структурою й текстурою, а структурні деформації – за міжнапрямною та міжмасштабною неоднорідністю. Визначено локальні вікна, фіксовані ваги компонентів карти та правила постобробки. Сформована методологія має модульну структуру, що забезпечує можливість окремого налаштування та подальшого вдосконалення її компонентів. Вона створює основу для програмної реалізації системи автоматизованого аналізу мамограм, результатом роботи якої може бути локалізований набір кандидатних областей із відповідними характеристиками. Практичним результатом подальшого розвитку методології є створення програмного модуля автоматизованого аналізу мамограм. Такий модуль може виконувати попередню обробку зображення, багатомасштабну вейвлет-декомпозицію, автоматичне формування карт підозрілості та виділення кандидатних областей. Результатом його роботи може бути не встановлення діагнозу, а структурований набір локалізованих областей із відповідними характеристиками, який використовується як додаткова інформація під час подальшої інтерпретації зображення спеціалістом. Подальші дослідження передбачають реалізацію алгоритму на відкритих анотованих наборах мамограм, окрему перевірку трьох типів патологічних проявів, аналіз чутливості до типу вейвлета та рівня декомпозиції. Подальше розширення методології може здійснюватися у напрямі машинного та глибокого навчання. Вейвлет-ознаки можуть використовуватися як вхідний простір для класичних алгоритмів класифікації, а сформовані карти підозрілості – як механізм попереднього визначення регіонів інтересу для згорткових нейронних мереж або інших моделей глибокого навчання. Перспективним є також дослідження гібридних архітектур, у яких багатомасштабне вейвлет-представлення поєднується з автоматично навченими ознаками. У такій постановці запропонована методологія може виконувати функцію інтерпретованого та параметризованого етапу попереднього аналізу, доповнюючи можливості сучасних моделей машинного навчання.