Form of presentation | Articles in Russian journals and collections |
Year of publication | 2024 |
Язык | русский |
|
Kolchev Aleksey Anatolevich, author
|
Bibliographic description in the original language |
Pasynkov D. V. Avtomaticheskoe differencirovanie kalcinatov i ikh skopleniy na mammogrammakh: rezultaty raboty bloka sistemy kompyuternogo analiza / D. V. Pasynkov, E.A. Romanycheva, I.A. Egoshin, A. A. Kolchev, S. N.Merinov,
O. V. Busygina, M.A. Mikhalcova // Luchevaya diagnostika i terapiya. – 2024. – № 3(15). – S. 86-95. – http://dx.doi.org/10.22328/2079-5343.
|
Annotation |
ВВЕДЕНИЕ: Ранее нами была разработана система компьютерного анализа (CAD) маммограмм MammCheck 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: истинноположительные 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 истинноположительные 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. |
Keywords |
маммография, доброкачественные кальцинаты, сосудистые кальцинаты, подозрительные кальцинаты, система компьютерного анализа |
The name of the journal |
ЛУЧЕВАЯ ДИАГНОСТИКА И ТЕРАПИЯ
|
Please use this ID to quote from or refer to the card |
https://repository.kpfu.ru/eng/?p_id=305059&p_lang=2 |
Full metadata record |
Field DC |
Value |
Language |
dc.contributor.author |
Kolchev Aleksey Anatolevich |
ru_RU |
dc.date.accessioned |
2024-01-01T00:00:00Z |
ru_RU |
dc.date.available |
2024-01-01T00:00:00Z |
ru_RU |
dc.date.issued |
2024 |
ru_RU |
dc.identifier.citation |
Пасынков Д. В. Автоматическое дифференцирование кальцинатов и их скоплений на маммограммах: результаты работы блока системы компьютерного анализа / Д. В. Пасынков, Е.А. Романычева, И.А. Егошин, А. А. Колчев, С. Н.Меринов,
О. В. Бусыгина, М.А. Михальцова // Лучевая диагностика и терапия. – 2024. – № 3(15). – С. 86-95. – http://dx.doi.org/10.22328/2079-5343.
|
ru_RU |
dc.identifier.uri |
https://repository.kpfu.ru/eng/?p_id=305059&p_lang=2 |
ru_RU |
dc.description.abstract |
ЛУЧЕВАЯ ДИАГНОСТИКА И ТЕРАПИЯ |
ru_RU |
dc.description.abstract |
ВВЕДЕНИЕ: Ранее нами была разработана система компьютерного анализа (CAD) маммограмм MammCheck 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: истинноположительные 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 истинноположительные 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. |
ru_RU |
dc.language.iso |
ru |
ru_RU |
dc.subject |
маммография |
ru_RU |
dc.subject |
доброкачественные кальцинаты |
ru_RU |
dc.subject |
сосудистые кальцинаты |
ru_RU |
dc.subject |
подозрительные кальцинаты |
ru_RU |
dc.subject |
система компьютерного анализа |
ru_RU |
dc.title |
Автоматическое дифференцирование кальцинатов и их скоплений на маммограммах: результаты работы блока системы компьютерного анализа |
ru_RU |
dc.type |
Articles in Russian journals and collections |
ru_RU |
|