Поиск | Личный кабинет | Авторизация |
АВТОМАТИЧЕСКОЕ ДИФФЕРЕНЦИРОВАНИЕ КАЛЬЦИНАТОВ И ИХ СКОПЛЕНИИ НА МАММОГРАММАХ: РЕЗУЛЬТАТЫ РАБОТЫ БЛОКА СИСТЕМЫ КОМПЬЮТЕРНОГО АНАЛИЗА
Аннотация:
Ранее нами была разработана система компьютерного анализа (CAD) маммограмм MammChcck II, которая обеспечила повышение выявляемости малых и трудно идентифицируемых форм рака молочной железы (РМЖ). Однако данная система не была предназначена для идентификации и дифференцирования кальцинатов, хотя наличие кальцинатов не влияло на способность данной системы идентифицировать РМЖ, проявляющийся объемными образованиями. ЦЕЛЬ: Разработать методику автоматического дифференцирования доброкачественных и подозрительных кальцинатов и их скоплений на маммограммах и охарактеризовать ее клиническую ценность. МАТЕРИАЛЫ И МЕТОДЫ: Для тестирования системы использовался набор из 390 маммографических изображений, содержавших кальцинаты всех типов (278 — с доброкачественными и 112 — с подозрительными кальцинатами). В качестве классификатора использовали линейный метод опорных векторов (SVM), который был предварительно обучен на наборе из 126 изображений скоплений кальцинатов (70 доброкачественных, 56 подозрительных). Было разработано две модели SVM: без анализа сосудистых кальцинатов и с таковым, которые были протестированы. Статистика: сравнение нормально распределенных выборок производили с использованием t-критерия Стьюдента, ненормально распределенных — с использованием критериев Уилкоксона и хи-квадрат. Оценка корреляции нормально распределенных выборок осуществлялась путем расчета коэффициента Пирсона, ненормально распределенных — коэффициентов Спирмена или Кендалла. Статистическую достоверность констатировали при получении значений р<0,05. РЕЗУЛЬТАТЫ: При анализе результатов использования модели без анализа сосудистых кальцинатов было показано сходство мелких начальных кальцинатов данной природы с подозрительными, в результате данная модель ложно классифицировала 14 из 23 [60,87%] скоплений сосудистых кальцинатов как подозрительные. Это потребовало усовершенствования модели. Общие результаты дифференцирования кальцинатов всех типов (доброкачественных и злокачественных) при использовании обновленной модели с анализом сосудистых кальцинатов: истинно положительные заключения — 375/390 (96,15%), ложноположительные — 15/390 (3,84%). При этом в обоих случаях, когда подозрительные кальцинаты ошибочно маркировались как доброкачественные, ошибочное срабатывание отмечалось только на маммограммах в одной проекции, в то время как на маммограммах в другой проекции подозрительные кальцинаты были промаркированы верно. ОБСУЖДЕНИЕ: При разработке CAD представляется важным не только маркировать подозрительные зоны, но и обеспечивать подавление ложноположительных меток, соответствующих очевидно доброкачественным процессам. Однако при этом важно не подавить истинно положительные метки, поэтому при создании подобных систем очевидно неизбежен некоторый перекос в сторону снижения прогностической ценности подозрительных меток за счет максимального повышения прогностической ценности доброкачественных меток. На наш взгляд, разработанный подход удовлетворяет такому требованию. Более того, его интеграция в CAD позволяет подавить, например, метки мягкотканных образований, ассоциированных с типичными доброкачественными кальцинатами, возникающие на предыдущих этапах работы CAD. Это, в свою очередь, способствует снижению частоты ложноположительных меток основного алгоритма CAD. ЗАКЛЮЧЕНИЕ: Разработанный нами блок дифференцирования доброкачественных и подозрительных кальцинатов и их скоплений на маммограммах, в версии с анализом сосудистых кальцинатов обеспечивает чувствительность 98,21% и специфичность 95,32% в реализации данной задачи. При этом прогностическая ценность отрицательного результата (NPIS доброкачественной метки) составила 99,25%, прогностическая ценность положительного результата (PPV; злокачественой метки - 89,43%.
Авторы:
Пасынков Д.В.
Издание:
Лучевая диагностика и терапия
Год издания: 2024
Объем: 10с.
Дополнительная информация: 2024.-N 3.-С.72-81. Библ. 20 назв.
Просмотров: 1