Медицинская Техника / Медицинская техника №2, 2020 / с. 15-18

Сегментация очаговых образований молочной железы на ультразвуковых изображениях

И.А. Егошин, Д.В. Пасынков, А.А. Колчев, И.В. Клюшкин, О.О. Пасынкова

Аннотация

Предложена методика сегментации ультразвуковых изображений на основе автоматизированного расчета параметров сигмоидного фильтра в зависимости от характеристик функции распределения отсчетов яркости исследуемого изображения. Установлено, что она позволяет эффективно сегментировать на ультразвуковых изображениях следующие очаговые образования: гипоэхогенные с относительно четким контуром на более эхогенном фоне (как правило, жидкостные образования и доброкачественные опухоли молочной железы); гипоэхогенные с менее четким контуром на менее эхогенном фоне (как правило, раки, но также и доброкачественные процессы, характеризующиеся выраженными фиброзом и склерозом). Для изоэхогенных образований клиническая эффективность предложенной методики низкая и требуется использование альтернативных подходов.

Вернуться к содержанию

Сведения об авторах

Иван Александрович Егошин, аспирант, кафедра прикладной математики и информатики, ФГБОУ ВПО «Марийский государственный университет»,

Дмитрий Валерьевич Пасынков, канд. мед. наук, зав. отделением, отделение лучевой диагностики, ГБУ Республики Марий Эл «Республиканский онкологический диспансер», г. Йошкар-Ола,

Алексей Анатольевич Колчев, канд. физ.-мат. наук, доцент, ФГАОУ ВО «Казанский (Приволжский) федеральный университет»,

Иван Владимирович Клюшкин, д-р мед. наук, профессор, кафедра общей хирургии, ФГБОУ ВО «Казанский государственный медицинский университет» Министерства здравоохранения Российской Федерации, г. Казань,

Ольга Олеговна Пасынкова, канд. мед. наук, доцент, кафедра экологии, ФГБОУ ВПО «Марийский государственный университет», г. Йошкар-Ола,

e-mail: jungl91@mail.ru

Список литературы

1. Stout N.K., Lee S.J., Schechter C.B. et al. Benefits, harms, and costs for breast cancer screening after US implementation of digital mammography // Journal of the National Cancer Institute. 2014. Vol. 106. № 6.

2. Chakraborty S., Bhowmik M.K., Ghosh A.K., Pal T. Automated edge detection of breast masses on mammograms / IEEE Region 10 Conference (TENCON). 2016. PP. 1241-1245.

3. Ciecholewski M. Malignant and Benign Mass Segmentation in Mammograms Using Active Contour Methods // Symmetry. 2017. Vol. 9. № 11. PP. 1-22.

4. Suri J.S., Chang R.-F., Kathuria C., Fenster A. Advances in Diagnostic and Therapeutic Ultrasound Imaging. – Artech House, 2008. 431 p.

5. Minavathi M., Murali S., Dinesh M.S. Classification of Mass in Breast Ultrasound Images Using Image Processing Techniques // International Journal of Computer Applications. 2012. Vol. 42. № 10. PP. 29-36.

6. Андреев А.Ю., Бобков С.П. Сегментация символов в изображении модифицированным методом жука // Современные наукоемкие технологии. 2014. T. 37. № 1. C. 85-88.

7. Воробель Р.А. Цифровая обработка изображений на основе теории контрастности / Дис. д-ра техн. наук. 05.13.06. – Львов, 1999. 369 с.

8. Li K., Guo J., Yi Z. A collaborative contour detector by gradient and active contours for ultrasound kidney images // International Journal of Computer Mathematics. 2018. Vol. 96. № 6. PP. 1292-1312