ディジタルX線画像からの乳癌病巣自動認識アルゴリズムの研究

1.Quoitフィルタによる乳癌候補領域の自動抽出実験上記に関し,腫瘤陰影(癌病巣)を有するディジタルX線画像12症例,正常画像10例を用いて自動抽出実験を行った.その結果,癌症例に対して,正判定12^例/12^例,誤判定0^例/12^例の結果を,また正常例に対して正判定4^例/10^例,誤判定6^例/10^例の結果を得た.したがって,癌候補領域の抽出という観点からは良好な結果が得られたが,正常例の中からの誤抽出がまだ多い.そこで引き続き下記第2項の研究を行った.2.抽出候補領域に対する癌,非癌の精度向上癌,非癌を区別する有力な医学的所見として,放射状に走るスピキュラー陰影がある.今回,このスピキュラー陰影を自動抽出,定量表現する手法を開発した.手法的には,モルフォロジカルフィルタを用いた放射陰影強調処理,距離変換・細線化,などを用いた.癌病巣7例,正常例14例に適用した結果,癌病巣の全例と正常例中の一例のみを異常と判定し,他はすべて正常と判定した.3.石灰化像の自動抽出アルゴルズム早期癌を発見するためのもう一つの指標である,石灰化像の自動抽出アルゴリズムを新たに開発した.モルフォロジカルフィルタを用いて石灰化を含むパルス状陰影のみを自動抽出し,その後医学的知識を導入して石灰化陰影のみを残す方式とした.その結果,石灰化像に対し,正判定14^例/14^例,誤判定0^例/14^例の結果を得た.また正常例に対し,正判定8^例/11^例,誤判定3^例/11^例を得た.

1.Quoitフィルタによる乳癌候補領域の自動抽出実験上記に関し,腫瘤陰影(癌病巣)を有するディジタルX線画像12症例,正常画像10例を用いて自動抽出実験を行った.その結果,癌症例に対して,正判定12^例/12^例,誤判定0^例/12^例の結果を,また正常例に対して正判定4^例/10^例,誤判定6^例/10^例の結果を得た.したがって,癌候補領域の抽出という観点からは良好な結果が得られたが,正常例の中からの誤抽出がまだ多い.そこで引き続き下記第2項の研究を行った.2.抽出候補領域に対する癌,非癌の精度向上癌,非癌を区別する有力な医学的所見として,放射状に走るスピキュラー陰影がある.今回,このスピキュラー陰影を自動抽出,定量表現する手法を開発した.手法的には,モルフォロジカルフィルタを用いた放射陰影強調処理,距離変換・細線化,などを用いた.癌病巣7例,正常例14例に適用した結果,癌病巣の全例と正常例中の一例のみを異常と判定し,他はすべて正常と判定した.3.石灰化像の自動抽出アルゴルズム早期癌を発見するためのもう一つの指標である,石灰化像の自動抽出アルゴリズムを新たに開発した.モルフォロジカルフィルタを用いて石灰化を含むパルス状陰影のみを自動抽出し,その後医学的知識を導入して石灰化陰影のみを残す方式とした.その結果,石灰化像に対し,正判定14^例/14^例,誤判定0^例/14^例の結果を得た.また正常例に対し,正判定8^例/11^例,誤判定3^例/11^例を得た.