Mammográfiás képek együttes vizsgálata (Mikrokalcifikációk)

Slides:



Advertisements
Hasonló előadás
ÉRDEKES PONTOK KINYERÉSE DIGITÁLIS KÉPEKEN. BEVEZETÉS  ALAPPROBLÉMA  Jellemzőpontok detektálása mindkét képen  Kinyert pontok megfeleltetése  Megfeleltetések.
Advertisements

Adatelemzés számítógéppel
Fejmozgás alapú gesztusok felismerése
Madártávlatból a horizontra! Avagy a táj(kép)kutatás horizontális aspektusai Bodnár Réka Kata Molnár Lajos Szabolcs Debreceni Egyetem Tájvédelmi és Környezetföldrajzi.
Sarangolt faválasztékok tömör köbtartalmának meghatározása
1 AIBO Robotfoci Bodor László IAR Bevezetés AIBO RoboCup AIBO RoboCup Célok Célok Rendszer elemei Rendszer elemei Megvalósítás terve Megvalósítás.
Rangszám statisztikák
Foltkeresés tüdő röntgen képeken
Digitális képanalízis
Térinformatikai elemzések. Megválaszolható kérdések Pozíció - mi van egy adott helyen Feltétel - hol vannak …? Trendek - mi változott meg? Minta - milyen.
Függvények BMEEPAGA301 Építész informatika 1
© Gács Iván (BME) 1 Szennyezőanyagok légköri terjedése A terjedés időbeli folyamatai BME Energetikai Gépek és Rendszerek Tanszék.
Utófeszített vasbeton lemez statikai számítása Részletes számítás
Programozás alapjai A programozás azt a folyamatot jelenti, melynek során a feladatot a számítógép számára érthető formában írjuk le. C++, Delphi, Java,
A tételek eljuttatása az iskolákba
Mozgó Objektumok Detektálása és Követése Robotkamera Segítségével
Kozmikus kőrakás szerkezetű üstökös
Máté: Orvosi képfeldolgozás3. előadás1 Torzítás. Máté: Orvosi képfeldolgozás3. előadás2 A tárgy nagyítása A forrás nagyítása forrás tárgy kép A tárgy.
Intelligens ébresztő óra Számítógépes látás projekt 2011.
STATISZTIKA II. 5. Előadás Dr. Balogh Péter egyetemi adjunktus Gazdaságelemzési és Statisztikai Tanszék.
Statisztika II. VI. Dr. Szalka Éva, Ph.D..
Vámossy Zoltán 2006 Gonzales-Woods, SzTE (Kató Zoltán) anyagok alapján
Funkciópont elemzés: elmélet és gyakorlat
SPSS többváltozós regresszió
STM nanolitográfia Készítette: VARGA Márton,
Diagnosztikai tesztek szenzitivitása és specificitása, pozitív és negatív prediktív értéke, ROC analízis, a klinikai döntéshozatal folyamata.
Diagnosztikai tesztek szenzitivitása és specificitása, pozitív és negatív prediktív értéke, ROC analízis, a klinikai döntéshozatal folyamata.
Nem-paraméteres eljárások, több csoport összehasonlítása
Szín management szín(észlelet)helyes leképezés különböző mediumokban.
Az Alakfelismerés és gépi tanulás ELEMEI
Horváth Zsolt Schnádenberger Gábor Varjas Viktor
Implementált képfeldolgozó algoritmusok
HATÉKONY SAJÁTSÁGKIEMELŐK KÉPEK ÖSSZEHASONLÍTÁSÁHOZ MobileAssistant workshop, május 4. Főnix Inkubátorház, 4029 Debrecen, Csapó u. 42. A ép III/2.
Fejmozgás alapú gesztusok felismerése Bertók Kornél, Fazekas Attila Debreceni Egyetem, Informatikai Kar Debreceni Képfeldolgozó Csoport KÉPAF 2013, Bakonybél.
Exponenciális egyenletek
Hiba-előjel alapú spektrális megfigyelő Orosz György Konzulensek: Sujbert László, Péceli Gábor Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
A hiba-előjel alapú FxLMS algoritmus analízise Orosz György Konzulensek: Péceli Gábor, Sujbert László Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika.
Diagnosztika intelligens eszközökkel
Önálló laboratórium Képek szegmentálása textúra analízis segítségével
Textúra elemzés szupport vektor géppel
Az elemzés és tervezés módszertana
Matematikai eszközök a környezeti modellezésben
7. Csoportok és változók sztochasztikus összehasonlítása (összehasonlítások ordinális függő változók esetén)
Képfeldolgozási módszerek alkalmazása kajszimagok morfológiai tulajdonságainak leírására Felföldi J. 1, Hermán R. 2, Pedryc A. 2, Firtha F. 1 1 Budapesti.
Alapsokaság (populáció)
Lineáris regresszió.
t A kétoldalú statisztikai próba alapfogalmai
Budapesti Műszaki Főiskola Neumann János Informatikai Kar Informatikai Automatizált Rendszerek Konzulens: Vámossy Zoltán Projekt tagok: Marton Attila Tandari.
Kézmozdulat felismerő rendszer
Készítők: Fajt Péter Vácz István Konzulens: Vámossy Zoltán Rendszám Felismerő Rendszer 3. évf.
Rendszám Felismerő Rendszer Fajt Péter Vácz István
Anytime algoritmusok az információ-átvitelben Írta Benedecsik Csaba Konzulens Dr. Várkonyiné Kóczy Annamária.
Részecskenyom analízis és osztályozás Pálfalvi József MSc, Intelligens Rendszerek, Önálló labor 1.
A Van der Waals-gáz molekuláris dinamikai modellezése Készítette: Kómár Péter Témavezető: Dr. Tichy Géza TDK konferencia
Adatbázis fejlesztés állapota Jelenlegi állapot: Elkészültek a legfontosabb kulcslisták, és a hozzájuk tartozó feltöltési módosítási nézetek.
Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet Mintavételes Eljárások.
Területmérlegre vonatkozó konzisztencia-vizsgálat Gazdasági Informatika Tanszék 2004/2005. tanév Utolsó frissítés:
Adatbányászati módszerek a weblogfájlok elemzésében
Bevezetés a méréskiértékelésbe (BMETE80ME19) 2014/
Részecskenyom analízis és osztályozás Pálfalvi József MSc, Intelligens Rendszerek, Önálló labor 1. Egyetemi konzulens: dr. Dobrowiecki Tadeusz (BME MIT)
Kutatási beszámoló 2002/2003 I. félév Iváncsy Renáta.
Automatikus fizikai tervezési javaslatok XML adatbázisokhoz Balogh Bernadett Kresz Marcell Cseh Tamás.
ALAKZATOK TRANSZFORMÁCIÓJA ÚJ KÉPSÍKOK BEVEZETÉSÉVEL
Fejmozgás alapú gesztusok felismerése Bertók Kornél, Fazekas Attila Debreceni Egyetem, Informatikai Kar Debreceni Képfeldolgozó Csoport KÉPAF 2013, Bakonybél.
Klikk a folytatáshoz!. Az emlőrák a női nemet leggyakrabban sújtó, rosszindulatú daganatos megbetegedés. A rákos betegségek okozta halálozásban az emlőrák.
Kiváltott agyi jelek informatikai feldolgozása 2016
Mozgásvizsgálat gyakorlat
Minőségbiztosítás II_3. előadás
Előadás másolata:

Mammográfiás képek együttes vizsgálata (Mikrokalcifikációk) Altrichter Márta Témavezető: Dr. Horváth Gábor (MIT)

Mammográfia Mellrákszűrés röntgenfelvétellel Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Mammográfia Mammográfia Mellrákszűrés röntgenfelvétellel CC (felülnézeti kép mindkét mellről) MLO (félferde oldalirányú kép mindkét mellről) Nők közel 13%-át érinti a betegség korai diagnosztizációval 30% halálozási arány csökkenés Betegségre utaló jelek: mikrokalcifikáció folt architekturális torzulás

Példa kóros elváltozásokra Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Példa kóros elváltozásokra Példa kóros elváltozásokra Mikrokalcifikáció Lágyrészárnyék (folt)

Együttes vizsgálat Radiológus vizsgálati módszere: Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Együttes vizsgálat Együttes vizsgálat Radiológus vizsgálati módszere: először az egyedi felvételek elemzése majd a két nézet együttes elemzése Azonos mell CC, MLO nézeteinek összevetése: az elváltozásnak meg kell jelennie mindkét nézeten Két mell azonos nézetei: az aszimmetria gyanúra ad okot

Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Együttes vizsgálat

A diplomamunka célja Mikrokalcifikáció és foltkereső eljárások Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) A diplomamunka célja A diplomamunka célja Mikrokalcifikáció és foltkereső eljárások érzékenyek, ezért: TP (helyesen kóros) magas (95%>) FP (helytelenül kórosnak diagnosztizált) is túl magas Célunk a false positive diagnózisok csökkentése, a kóros találatok elvesztése nélkül

Nehézségek A felvétel készítésekor a melleken kifejtett nyomás Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Nehézségek Nehézségek A felvétel készítésekor a melleken kifejtett nyomás biztosítja az elváltozások jobb kimutathatóságát de deformációkhoz vezet Deformációk: a pontos 3D rekonstrukció lehetetlen egyértelmű megfeleltetés nincs, csak valószínűsíteni lehet

A megvalósítás lépései Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) A megvalósítás lépései A megvalósítás lépései Viszonyítási rendszer megalkotása: mellizomvonal-keresés mellbimbókeresés az izomvonal kereséshez a kép szegmentációja (EdgeFlow) Mikrokalcifikációs klaszterek megfeleltetése a két nézeten A megfeleltetés érzékenységvizsgálata Kompresszió figyelembevételére új jellemző kinyerése: emlőperem

A viszonyítási rendszer Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) A viszonyítási rendszer A viszonyítási rendszer Három hipotézis: 1. Mellbimbó: érintő 2. Izom a CC képen 90° 3. ,,u’’ és ,,v’’ pozícionálásra használható

EdgeFlow szegmentáció Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) EdgeFlow szegmentáció EdgeFlow szegmentáció Az EdgeFlow kombinálja: intenzitás textúra Ezért használható: a mellizomvonal élének detektálására textúra alapú szegmentációra (Ludányi Zoltán) Skála paraméter: a szegmentálás finomsága változtatható

Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) EdgeFlow szegmentáció

Viszonyítási rendszer EdgeFlow-val Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Viszonyítási rendszer Edgeflow-val Viszonyítási rendszer EdgeFlow-val Izomvonal keresés MLO-n: Edgeflow kép küszöbözése Lehetséges terület kivágása Iterációs eljárás: a leghosszabb objektum kiválasztása az objektum egyes szakaszainak törlése (40°< vagy 90°>) Izomvonal keresés CC-n: 90° feltételezett Mellbimbókeresés: Izomvonallal párhuzamosan a mellkörvonal érintőpontja

Izomvonal keresés Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Izomvonal keresés Izomvonal keresés

További eljárások Izomkeresés: Mellbimbó keresés: Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) További eljárások További eljárások Izomkeresés: adaptív küszöbözéssel neurális hálóval Mellbimbó keresés: Izomvonallal párhuzamos érintő: piros jelölés Polinom illesztés mell körvonalára: fehér jelölés

Mikrokalcifikáció párosítás Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Mikrokalcifikáció párosítás Mikrokalcifikáció párosítás Eredeti valószínűség módosítása a kalcifikáció/sáv területarányával: AreaRat

Mikrokalcifikáció párosítás Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Mikrokalcifikáció párosítás

Mikrokalcifikációs párosítás eredménye Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Mikrokalcifikációs párosítás eredménye Mikrokalcifikációs párosítás eredménye Eredeti algoritmus Párosítással Kóros felismerése (TP) 63/66 95,5% 61/66 92,4% Kóros fel nem ismerése (FN) 3/66 4,5% 5/66 7,6% Normális felismerése (TN) 1/122 0,8% 17/122 13,9% FP/kép 3,25 FP/kép 1,57 FP/kép TP veszteség FP nyereség 2 eset 16 eset 3,1% 13,1%

Érzékenység vizsgálat Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Érzékenység vizsgálat Érzékenység vizsgálat MLO képen bejelölt folt centroidjának megfelelő pont a CC képen CC képen bejelölt terület centroidja távolságszámítás 1237 esetre -> statisztika

Statisztikai elemzés Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Statisztikai elemzés Statisztikai elemzés

Statisztika: izomszög hiba hatása Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Statisztika: izomszög hiba hatása Statisztika: izomszög hiba hatása

Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Emlőperem jellemző Emlőperem jellemző A kompresszió figyelembevételére új jellemző keresése: Emlőperem: mell kidudorodása, C ív megkeresése

Köszönöm a figyelmet!

Reagálás a bíráló kérdéseire Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Reagálás a bíráló kérdéseire Reagálás a bíráló kérdéseire 26. oldal: d = 4 távolság – mi a mértékegység? Ha a mértékegység a pixelek száma, akkor milyen felbontású képen értendő? Mértékegység: pixelszám, 400μ kép: ~400*700 pixel (képenként eltérő) d = 4*Skála (4-20 pixel – szűrő függő) 27. oldal, (3.9) egyenlet: nem szerepel benne az m paraméter. Elírás, a helyes képlet a-1 alkalmazása helyett

Reagálás a bíráló kérdéseire Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Reagálás a bíráló kérdéseire Reagálás a bíráló kérdéseire 3. 27. oldal, (3.10) egyenlet: mit jelöl mi és Φi? mi – kép magnitúdója, Φi – kép fázisa 4. 29. oldal, (3.15) egyenlet: miért lesz ekvivalens (ha az) a kétfajta számítás (félsíkokon összegzés, pixelenkénti maximalizálás)?

Reagálás a bíráló kérdéseire Mammográfiás képek együttes vizsgálata (Mikrokalcifikációkra) Reagálás a bíráló kérdéseire Reagálás a bíráló kérdéseire 5. 56. oldal, 1. pont: a módosított képlet szerint a klaszter valószínűsége annál jobban csökken, minél jobban sikerült megtalálni a párját. Ez biztosan így van? Ha igen, miért? Elírás: Probcalc = Probcalc -150*(AreaRat*1,2) , helyett Probcalc = Probcalc -150*(1-AreaRat*1,2) 6. A végső, beépítésre került algoritmusok pontosan milyen beállításokkal futottak? Hasznos lenne egy összefoglalás, hogy végül milyen izomkereső, milyen mellbimbókereső és milyen klaszterpárosító módszerek mellett döntött! Végső konfiguráció: Edgeflow-val keresett mellizom, mellbimbókeresés érintővel, mikrokalcifikáció-párosítás az előbbi képlettel.