RU2235361C1 - Method for producing informational image of mammary gland cancer on basis of mammograms - Google Patents

Abstract

FIELD: informational technologies in medicine.

SUBSTANCE: method includes conversion of produced mammogram into digital form in form of basic matrix of numbers at digitization steps. In said matrix informational nodes are formed through n-cell template, which informational nodes have n new values of numbers in cells of each node. Then informational images of abnormal asymmetry and its positive component are found. For separate indications of mammary gland cancer positive values of abnormal asymmetry are considered and its positive component, on basis of which final images are produced in form of shape of distribution of denseness of marked out indications. Final images are specific and serve for analysis of mammograms for presence of malignant tumors.

EFFECT: possible detection of sources of malignant growth through abnormal asymmetry of cell masses of malignant tumor relatively to masses of healthy and non-cancer cells, on basis of mammograms.

4 cl, 4 dwg

Description

Изобретение относится к информационной технологии в медицине, в частности к определению злокачественных новообразований молочной железы, и может быть использовано в качестве неинвазивной биопсии на уровне маркера на любой стадии развития рака молочной железы, а также в качестве скринингового метода выявления ранних стадий этого заболевания.The invention relates to information technology in medicine, in particular to the determination of malignant neoplasms of the breast, and can be used as a non-invasive biopsy at the marker level at any stage of development of breast cancer, and also as a screening method for identifying the early stages of this disease.

В настоящее время базовым методом определения опухолей молочной железы является маммография. С появлением компьютерных технологий появилась возможность создать ряд систем, позволяющих анализировать оцифрованные маммограммы.Currently, the basic method for determining breast tumors is mammography. With the advent of computer technology, it became possible to create a number of systems that allow you to analyze digitized mammograms.

Например, известна система оценки маммограмм - Image Checker М1000 System. Она позволяет производить компьютерный анализ цифровых маммограмм для выявления микрокальцинатов и плотных масс опухоли, как градиентов интенсивности пикселей изображения, с разрешающей способностью 50 микрон в 12 битовой серой шкале. Сложные зрительные образы, такие, как спикулы, анализируются нейронными сетями. При совместном прочитывании радиологами улучшает чувствительность маммографии на 8%, что составляет общую чувствительность 88%. В данных методах используется мощная компьютерная техника для обработки изображения, на один снимок проводится приблизительно до 1 миллиарда операций [U.S. Food and Drug Administration, Diagnostic Aids for Cancer. //http: www.fda. gov/oashi / cancer/cdiag.html].For example, the known system for evaluating mammograms - Image Checker M1000 System. It allows you to perform computer analysis of digital mammograms to detect microcalcifications and dense masses of the tumor, as gradients of the intensity of image pixels, with a resolution of 50 microns in a 12 bit gray scale. Complex visual images, such as spicules, are analyzed by neural networks. When read jointly by radiologists, it improves the sensitivity of mammography by 8%, which is an overall sensitivity of 88%. These methods use powerful computer technology for image processing; up to 1 billion operations are performed per image [U.S. Food and Drug Administration, Diagnostic Aids for Cancer. // http: www.fda. gov / oashi / cancer / cdiag.html].

Английские исследователи описывают специфические модели спикульных поражений, которые характеризуются патологическими образцами линейных структур и центральных масс на маммограммах. Линейные структуры детектировались с использованием факторного анализа для разделения систематических и случайных особенностей классов образцов. Центральные массы разделялись на рекурсивном медианном фильтровании с использованием признаков локальной ориентации. Для спикульных поражений размерами в 16 мм и больших образцов определена чувствительность 80% к 1,4% ложноположительным данных на изображении. Определение масс-детекции имеет чувствительность 80% к 23% ложно-положительным данным на изображении [Zwiggelaar, R., Parr, Т., Schumm, J. et al. Model-based detection of spiculated lesions in mammograms, Med. Image Anal., 1999, vol. 3 n.1, pp 39-62].English researchers describe specific models of spicular lesions, which are characterized by pathological patterns of linear structures and central masses on mammograms. Linear structures were detected using factor analysis to separate systematic and random features of sample classes. The central masses were separated by recursive median filtering using signs of local orientation. For spinal lesions with a size of 16 mm and large samples, a sensitivity of 80% to 1.4% of false-positive data in the image was determined. The definition of mass detection has a sensitivity of 80% to 23% false-positive image data [Zwiggelaar, R., Parr, T., Schumm, J. et al. Model-based detection of spiculated lesions in mammograms, Med. Image Anal., 1999, vol. 3 n.1, pp 39-62].

Калифорнийские исследователи используют для поиска микрокальцинатов по маммограммам фильтрацию для автоматического анализа морфологии серой шкалы с 20% ложно отрицательных результатов. Анализируют оцифрованные маммограммы с пикселем 70 и 35 микрон и глубиной серой шкалы 4096 (12 bit). Алгоритм определяет микрокальцинаты, которые может пропустить радиолог. Каждый объект классифицируется на три категории: доброкачественные микрокальцинаты, суспициозные и артефакты. Данные представляются радиологу для последующего заключения [LN.Mascio, J.M.Hernandez and C.M.Logan, Lawrence Livermore National Laboratory Biology and Biotechnology Research Program, http://www-dsed. llnl. gov/documents/ imaging/jmhspie93.html].California researchers use filtering to search for microcalcifications by mammograms to automatically analyze the gray scale morphology with 20% false negative results. Digitized mammograms are analyzed with a pixel of 70 and 35 microns and a gray scale depth of 4096 (12 bit). The algorithm determines the microcalcifications that a radiologist can miss. Each object is classified into three categories: benign microcalcifications, suspension and artifacts. Data are submitted to a radiologist for subsequent conclusion [LN. Mascio, J.M. Hernandez and C.M. Logan, Lawrence Livermore National Laboratory Biology and Biotechnology Research Program, http: // www-dsed. llnl. gov / documents / imaging / jmhspie93.html].

Эти и другие подобные автоматические системы нацелены на выявление анатомических и морфологических признаков, сопутствующих злокачественному росту, а также на выявление плотных масс опухолей. Такой анатомический подход не позволяет находить по маммограммам высокоспецифичные и универсальные признаки злокачественного роста, которые присутствуют даже на сверхранних стадиях развития рака молочной железы. Для такого рода задач нужен иной подход.These and other similar automatic systems are aimed at identifying anatomical and morphological features associated with malignant growth, as well as identifying dense masses of tumors. Such an anatomical approach does not allow one to find highly specific and universal signs of malignant growth from mammograms, which are present even at the early stages of development of breast cancer. For such tasks, a different approach is needed.

Известен способ определения информационного образа аномалий функциональной организации физической системы [Патент РФ №2172519, G 06 T 11/00. Способ определения информационного образа аномалий функциональной организации физических систем (варианты) Останькович А.А., Вайман С.Д., БИ №23, 2001]. Данное изобретение выполнено на основе теории функциональных систем, разработанной Анохиным П.К. [Анохин П.К. Общие вопросы физиологических механизмов. Анализ и моделирование биологических систем. Труды международного симпозиума по техническим проблемам управления. Ереван, 24-28 сентября 1968 г., -М.: Наука, 1970 г., с.6-43].A known method of determining the information image of the anomalies of the functional organization of the physical system [RF Patent No. 2172519, G 06 T 11/00. The way to determine the information image of the anomalies of the functional organization of physical systems (options) Ostankovich AA, Vayman SD, BI No. 23, 2001]. This invention is based on the theory of functional systems developed by Anokhin P.K. [Anokhin P.K. General questions of physiological mechanisms. Analysis and modeling of biological systems. Proceedings of the international symposium on technical problems of management. Yerevan, September 24-28, 1968, -M .: Nauka, 1970, p.6-43].

Под функциональной физической системой по определению Анохина П.К. понимается такой комплекс избирательно вовлеченных компонентов, взаимодействие и взаимоотношение которых приобретает характер взаимосодействия компонентов для получения фокусированного полезного результата.Under a functional physical system, as defined by Anokhin P.K. we understand such a complex of selectively involved components, the interaction and relationship of which takes on the character of the interaction of the components to obtain a focused useful result.

Способ выявления информационного образа аномалий функциональной организации физической системы, заключающийся в том, что получают двумерный сигнал, характеризующий физическую систему на интервале наблюдения, представляют его в числовой форме в виде матрицы чисел на шагах дискретизации, формируют в указанной матрице через четырехквадрантный информационный шаблон с размером квадранта, равным шагу дискретизации, информационные ячейки из четырех новых значений чисел, находящихся в четырех сопряженных квадрантах информационной ячейки, при этом новые значения чисел в квадрантах каждой ячейки получают путем смещения информационного шаблона на один шаг дискретизации по всей матрице и определения отклонения чисел, попавших в квадранты информационного шаблона, относительно среднего значения этих чисел по формуле:The way to identify the information image of the anomalies of the functional organization of the physical system, which consists in receiving a two-dimensional signal characterizing the physical system in the observation interval, presenting it in numerical form as a matrix of numbers at the sampling steps, forming a four-quadrant information template with a quadrant size in this matrix equal to the sampling step, information cells from four new values of numbers located in the four conjugate quadrants of the information cell, at the same time, new values of the numbers in the quadrants of each cell are obtained by shifting the information pattern by one sampling step throughout the matrix and determining the deviation of the numbers that fall into the quadrants of the information pattern relative to the average of these numbers by the formula:

H'_i=H_i-R,H ' _i = H _i -R,

где R=(H₁+H₂+H₃+H₄)/4 - среднее значение чисел, попавших в квадранты информационного шаблона;where R = (H ₁ + H ₂ + H ₃ + H ₄ ) / 4 - the average value of the numbers that fall into the quadrants of the information template;

H'_i - новое значение числа в i-ом квадранте информационной ячейки;H ' _i is the new value of the number in the i-th quadrant of the information cell;

i - номера квадрантов ячейки (1, 2, 3, 4);i - quadrant numbers of the cell (1, 2, 3, 4);

H_i - число в i-ом квадранте ячейки,H _i is the number in the i-th quadrant of the cell,

после формирования информационных ячеек находят удельные значения каждого квадранта в ячейке путем нормирования каждого значения квадранта по их сумме в ячейке, затем находят информационный образ степени связи функциональной организации физической системы в виде совокупности количественных характеристик степеней связи, соответственно порядку организации системы путем нахождения количественной характеристики каждой нормированной ячейки по соответствующей формуле, далее выявляют распределение плотности количественных характеристик степеней связи с помощью информационного окна размером не менее трех шагов дискретизации и не более одной четверти интервала наблюдения: накладывают информационное окно выбранного размера в любой угол полученного информационного образа степеней связи функциональной организации физической системы в виде совокупности количественных характеристик степеней связи и суммируют количественные характеристики, попавшие в информационное окно, затем смещают информационное окно на шаг дискретизации по всей матрице информационного образа, отражающего степень связи чисел в ячейках, каждый раз суммируя количественные характеристики степени связи, попавшие в новое информационное окно, и записывая результат в одно и то же место информационного окна, получая в результате всех смещений новый информационный образ в виде матрицы чисел, отражающих распределение плотности количественных характеристик степеней связи чисел в ячейках, анализируют полученный рельеф нового информационного образа с точки зрения выявления исследуемых аномалий функциональной организации физической системы, при необходимости повторяют выявление распределения плотности через новый размер информационного окна до получения рельефа исследуемых аномалий необходимого масштаба.after the formation of information cells, find the specific values of each quadrant in the cell by normalizing each quadrant value by their sum in the cell, then find the information image of the degree of connection of the functional organization of the physical system in the form of a set of quantitative characteristics of the degrees of connection, corresponding to the order of organization of the system by finding the quantitative characteristics of each normalized cells according to the corresponding formula, then reveal the density distribution of quantitative characteristics stick of degrees of communication using an information window with a size of at least three sampling steps and no more than one quarter of the observation interval: overlay an information window of a selected size into any angle of the obtained information image of the degrees of communication of the functional organization of the physical system in the form of a set of quantitative characteristics of the degrees of communication and summarize the quantitative characteristics, that fall into the information window, then shift the information window by a sampling step over the entire matrix of the information image a, reflecting the degree of connection of numbers in cells, each time summing up the quantitative characteristics of the degree of connection that fell into a new information window, and writing the result to the same place in the information window, resulting in all the offsets, a new information image in the form of a matrix of numbers reflecting the distribution the density of quantitative characteristics of the degrees of connection of numbers in cells, analyze the obtained relief of a new information image from the point of view of identifying the studied anomalies of the functional organization physically system, if necessary, repeat the identification of the density distribution through the new size of the information window until the relief investigated anomalies necessary scale.

Авторы пытались использовать этот способ для выявления очагов злокачественного роста по маммограмме. Однако получили неудовлетворительный результат.The authors tried to use this method to identify foci of malignant growth by mammogram. However, they received an unsatisfactory result.

Предлагаемое изобретение выполнено также на основе теории П.К.Анохина в той ее части, которая рассматривает полезный результат как информационный эквивалент функциональных систем [Анохин П.К. Избранные труды. Кибернетика функциональных систем. -М.: Наука, 1980, с.82, с.303].The present invention is also based on the theory of P.K. Anokhin in that part of it, which considers the useful result as the informational equivalent of functional systems [Anokhin P.K. Selected Works. Cybernetics of functional systems. -M .: Nauka, 1980, p. 82, p. 303].

Для случая злокачественного процесса в молочной железе полезные результаты функциональных систем организма и опухоли имеют противоположные цели: опухоль стремится расти за счет питательных веществ организма, а он пытается ликвидировать ее. Начиная с самых ранних стадий развития рака молочной железы, возникает различие в отношениях накопления тех и других результатов, т.к. скорость роста массы опухолевых клеток намного больше скорости их элиминации организмом.For the case of a malignant process in the mammary gland, the useful results of the functional systems of the body and the tumor have opposite goals: the tumor tends to grow due to the nutrients of the body, and it tries to eliminate it. Starting from the earliest stages of breast cancer, there is a difference in the relationship between the accumulation of those and other results, because the growth rate of the mass of tumor cells is much greater than the rate of their elimination by the body.

Изобретение решает задачу выявления информационного образа аномальных отношений в системе молочная железа - злокачественная опухоль.The invention solves the problem of identifying an information image of abnormal relationships in the mammary gland - malignant tumor system.

Техническим результатом, достигаемым при осуществлении заявленного изобретения, является выявление по маммограммам очагов злокачественного роста через аномальную асимметрию клеточных масс злокачественной опухоли относительно масс здоровых и нераковых клеток.The technical result achieved by the implementation of the claimed invention is the identification by mammograms of foci of malignant growth through abnormal asymmetry of the cell masses of the malignant tumor relative to the masses of healthy and non-cancerous cells.

Поставленная задача решается способом, предназначенным для выявления раковой опухоли и ее наиболее интенсивные точки роста, включающим получение маммограмм, представление ее в числовой форме в виде исходной матрицы чисел на шагах дискретизации, получение конечного изображения с использованием известного технологического приема выявления распределения плотности искомого вида информации с помощью выделенного информационного окна в виде квадрата не менее девяти шагов дискретизации и не более одной четверти исходной матрицы, и отличающимся тем, что для получения специфического информационного образа рака молочной железы по маммограмме, формируют в исходной числовой матрице через n-клеточный квадратный шаблон с размером одной клетки, равным шагу дискретизации, и размером самого шаблона не менее четырех клеток и не более четверти исходной матрицы, информационные ячейки из n новых значений чисел в клетках каждой ячейки, полученной путем смещения информационного шаблона на один шаг дискретизации по всей исходной матрице и определяют разность между числами, попавшими в клетки шаблона, и числом с минимальным значением в одной из клеток шаблона, по формуле:The problem is solved by a method designed to detect a cancer tumor and its most intense growth points, including obtaining mammograms, presenting it in numerical form as an initial matrix of numbers at the sampling steps, obtaining a final image using a known technological technique for detecting the density distribution of the desired type of information with using a dedicated information window in the form of a square of at least nine sampling steps and not more than one quarter of the original matrix, and the difference In order to obtain a specific informational image of breast cancer by a mammogram, they form in the original numerical matrix through an n-cell square template with a single cell size equal to the sampling step and the size of the template itself of at least four cells and not more than a quarter of the original matrix, information cells from n new numbers in the cells of each cell obtained by shifting the information template by one sampling step over the entire original matrix and determine the difference between the numbers that fall into notch pattern, and the number with the minimum value in one of the pattern of cells, according to the formula:

H'_i=H_i-minH_i,H ' _i = H _i -minH _i ,

где H_i - исходное значение числа, попавшего в i-тую клетку информационного шаблона,where H _i is the initial value of the number that fell into the i-th cell of the information template,

H'_i - новое значение числа в i-той клетке информационной ячейки,H ' _i is the new value of the number in the i-th cell of the information cell,

i -номера клеток ячейки, соответствующие номерам клетокi -number of cell cells corresponding to cell numbers

шаблона (1, 2, 3,..., n);pattern (1, 2, 3, ..., n);

среди новых чисел H'_i в ячейке находят максимальное Н'_i, по которому нормируют все числа H'_i, информационной ячейки, получая новый набор из нормированных чисел H"_i, для всех клеток ячейки; затем вычисляют отклонение для всех H"_i, по формуле:among the new numbers H ' _i in the cell, find the maximum H' _i , according to which all the numbers H ' _i are normalized, of the information cell, getting a new set of normalized numbers H " _i , for all cells of the cell; then the deviation for all H" _{i is} calculated, according to the formula:

V_i=H"_i-0,5,V _i = H " _i -0.5,

где ±V_i, - отклонение от уровня 0,5,where ± V _i , is the deviation from the level of 0.5,

0,5 - уровень, получаемый делением пополам максимального значения среди нормированных чисел H"_i, который равен единице; далее суммируют отдельно положительные отклонения:0,5 - the level obtained by dividing in half the maximum value among the normalized numbers H " _i , which is equal to unity; then positive deviations are summarized separately:

и отдельно отрицательные отклонения:and separately negative deviations:

где k+l=n;where k + l = n;

после этих вычислений находят показатель аномальной асимметрии информационной ячейки по формуле:after these calculations, the indicator of the abnormal asymmetry of the information cell is found by the formula:

все положительные значения А+ считаются выделенным информативным признаком рака молочной железы;all positive A + values are considered a highlighted informative sign of breast cancer;

далее с помощью известной технологии работы с информационным окном получают новый информационный образ в виде матрицы чисел, отражающих распределение плотности выделенного признака, анализируют полученный новый информационный образ с точки зрения выявления рельефа исследуемых аномалий, соответствующих очагам раковой опухоли, на маммограмме, при необходимости, повторяют выявление распределения плотности через прежний или новый размер информационного окна до получения рельефа исследуемых аномалий необходимого масштаба.then, using the well-known technology for working with the information window, a new information image is obtained in the form of a matrix of numbers reflecting the density distribution of the selected sign, the resulting new information image is analyzed from the point of view of revealing the relief of the studied anomalies corresponding to the foci of the cancerous tumor, on the mammogram, if necessary, the identification is repeated density distribution through the old or new size of the information window to obtain the relief of the studied anomalies of the required scale.

При этом новый информационный образ в виде матрицы чисел, отражающих распределение плотности выделенного признака, представляют в цвете, соответственно знаку и величине плотности.At the same time, a new information image in the form of a matrix of numbers reflecting the density distribution of the selected attribute is represented in color, according to the sign and density value.

Такой способ позволяет, по маммограмме через n-клеточный шаблон организовать нормированные выделенные пространства на размахе двумерного сигнала, просмотреть в них на интервале наблюдения проявление сигнала в числовой форме путем сравнения отклонения в положительную и отрицательную области нормированных числовых значений сигнала в клетках от половины размаха в ячейке и представить сигнал на интервале наблюдения в виде информационных ячеек с определенным значением асимметрии каждой ячейки, отражающих наличие аномалий и составляющих информационный образ молочной железы. Информация об аномальной асимметрии позволяет выявлять раковые очаги в виде рельефа по относительной удельной плотности специфичного информативного признака в информационном образе аномалий на маммограмме.This method allows, according to the mammogram, to organize the normalized allocated spaces on the span of the two-dimensional signal through the n-cell template, to look at them in the observation interval in numerical form by comparing the deviations in the positive and negative regions of the normalized numerical values of the signal in the cells from half the span in the cell and present the signal on the observation interval in the form of information cells with a certain asymmetry value of each cell, reflecting the presence of anomalies and constituting image information of the breast. Information on abnormal asymmetry allows the identification of cancerous lesions in the form of a relief by the relative specific gravity of a specific informative sign in the information image of anomalies in the mammogram.

Поставленная задача также решается способом, предназначенным для выявления по маммограмме более четких границ раковой опухоли, отличающийся тем, что в предлагаемом способе, описанном выше, доводят вычисления до получения суммы положительных отклонений S+, которые рассматривают в качестве выделенного признака рака молочной железы, далее проводят все описанные операции до получения нового информационного образа в виде матрицы чисел, отражающих распределение плотности выделенного признака S+, имеющего форму рельефа аномалий, соответствующих очагам раковой опухоли на маммограмме; полученный рельеф аномалий служит для совместного с рельефом, полученные выше, анализа особенностей проявления рака молочной железы.The problem is also solved by a method designed to identify a clearer border of a cancer tumor by a mammogram, characterized in that in the proposed method described above, the calculations are adjusted to the sum of the positive S + deviations, which are considered as an isolated sign of breast cancer, then all the described operations to obtain a new information image in the form of a matrix of numbers reflecting the density distribution of the selected feature S +, having the shape of the anomaly relief, corresponds to those foci of a cancer tumor on a mammogram; The obtained relief of anomalies serves to analyze, together with the relief obtained above, the features of the manifestation of breast cancer.

При этом новый информационный образ в виде матрицы чисел, отражающих распределение плотности выделенного признака, представляют в цветах серой шкалы соответственно величине плотности.At the same time, a new information image in the form of a matrix of numbers reflecting the density distribution of the selected attribute is represented in gray scale colors according to the density value.

Для повышения точности решения поставленной задачи способами, описанными выше, необходимо выделение артефактов на маммограмме, которое достигается способом, включающим все операции нахождения информационного образа в виде матрицы чисел, отражающих распределение плотности положительных отклонений S+, отличающийся тем, что в информационной ячейке заменяют в каждой клетке числовое значение положительного отклонения

на единицу, а отрицательные отклонения

, на ноль, находят характеристическую функцию в виде сумм всех отклонений в ячейке по формулеTo improve the accuracy of solving the problem by the methods described above, it is necessary to highlight artifacts on the mammogram, which is achieved by a method that includes all operations of finding the information image in the form of a matrix of numbers reflecting the distribution of the density of positive deviations S +, characterized in that each cell is replaced in the information cell positive deviation numerical value

per unit, and negative deviations

, to zero, find the characteristic function in the form of the sum of all deviations in the cell according to the formula

где F+ -сумма отклонений, фактически равная сумме всех положительных отклонений, равных 1;where F + is the sum of deviations, which is actually equal to the sum of all positive deviations equal to 1;

далее с помощью известной технологии с информационным окном получают новый информационный образ в виде матрицы чисел, отражающих распределение плотности количественных значений F+; затем информационный образ в виде матрицы чисел распределения плотности выделенного информационного признака S+ покоординатно делят на информационный образ в виде матрицы чисел распределения характеристической функции F+ и анализируют полученный новый образ с точки зрения выявленных участков с максимальной интенсивностью по шкале серой цветности, определяя эти участки как артефакты путем сравнения с участками, имеющими те же координаты на исходной числовой матрице маммограммы, на которой также выявляются технические повреждения или загрязнения; выявленные таким образом артефакты учитывают при анализе информационных образов специфических признаков рака молочной железы в виде показателя аномальной асимметрии А+ и суммарного показателя положительных отклонений S+.then, using the well-known technology with an information window, a new information image is obtained in the form of a matrix of numbers reflecting the distribution of the density of quantitative values F +; then the information image in the form of a matrix of distribution numbers of the density of the selected information attribute S + is coordinatewise divided into the information image in the form of a matrix of distribution numbers of the characteristic function F + and the obtained new image is analyzed from the point of view of the identified areas with maximum intensity on the gray scale, defining these areas as artifacts by comparisons with areas that have the same coordinates on the original numerical matrix of the mammogram, which also reveals technical damage or pollution; artifacts identified in this way are taken into account when analyzing information images of specific signs of breast cancer in the form of an abnormal asymmetry indicator A + and a total indicator of positive deviations S +.

Для технической реализации способов изобретения нужна стандартная аппаратура:For the technical implementation of the methods of the invention, standard equipment is needed:

- сканер с 14 битовой серой шкалой и оптическим разрешением не менее 1220 dpi для получения исходной цифровой матрицы по маммограмме,- a scanner with a 14-bit gray scale and an optical resolution of at least 1220 dpi to obtain the original digital matrix from the mammogram,

- персональный компьютер с процессором 350 МГЦ для обработки цифровых матриц и для получения изображений всех описанных информационных образов выделенных признаков; использование более производительной техники и параллельных расчетов сократит время получения изображений;- a personal computer with a 350 MHz processor for processing digital matrices and for obtaining images of all the described information images of the selected features; the use of more productive equipment and parallel calculations will reduce the time for obtaining images;

- принтер с цветной и черно-белой печатью для выдачи результатов в виде отпечатанных на бумаге изображений.- a printer with color and black and white printing to produce results in the form of images printed on paper.

Заявленные способы реализованы в виде программного продукта и испытаны на базе Новосибирских областного и городского онкологических диспансеров в процессе диагностики рака молочной железы различных видов и стадий. В испытаниях участвовали пациентки разных возрастов с первичным раком, с леченным раком, с доброкачественными опухолями и здоровые женщины. Во всех случаях подтверждение диагноза получали путем биопсии с определением взятых образцов с помощью цитологических и гистологических методов исследования.The claimed methods are implemented as a software product and tested on the basis of the Novosibirsk regional and city oncology dispensaries in the process of diagnosing breast cancer of various types and stages. The trials involved patients of different ages with primary cancer, with treated cancer, with benign tumors, and healthy women. In all cases, confirmation of the diagnosis was obtained by biopsy with the determination of the samples taken using cytological and histological methods of research.

Для определения специфичности и чувствительности заявленных способов были взяты 140 пациенток. Снимки маммограмм проводились в двух проекциях. Из них с первичным раком молочной железы 180 снимков (45 пациенток), с доброкачественными опухолями 140 снимков (35 пациенток) и 240 снимков здоровых рожавших женщин (60 пациенток). Возрастной диапазон исследованных от 38 до 73 лет. Все диагнозы подтверждены клинически, цитологическим и гистологическим анализом. Специфичность заявленных способов обработки маммограмм для выявления злокачественного поражения молочных желез оценивалась как процент от морфологически подтвержденного диагноза. Оценка операционных характеристик показала специфичность детекции рака молочной железы 92% при чувствительности 90%. Эти цифры учитывают результат двухлетнего наблюдения за пациентками, большая часть из которых была за это время прооперирована.140 patients were taken to determine the specificity and sensitivity of the claimed methods. Mammograms were taken in two projections. Of these, with 180 primary breast cancer, 180 images (45 patients), with benign tumors, 140 images (35 patients) and 240 images of healthy women giving birth (60 patients). The age range of the studied from 38 to 73 years. All diagnoses are confirmed clinically, cytological and histological analysis. The specificity of the claimed methods of processing mammograms for detecting malignant lesions of the mammary glands was evaluated as a percentage of the morphologically confirmed diagnosis. Evaluation of operational characteristics showed a specificity of breast cancer detection of 92% with a sensitivity of 90%. These figures take into account the result of two years of monitoring patients, most of which were operated on during this time.

Примеры полученных изображений специфических информационных образов рака молочной железы, здоровой железы и доброкачественной опухоли приведены на фиг.1, 2, 3 и 4; где представлены по 4 совмещенных изображения образа для каждой пациентки:Examples of obtained images of specific informational images of breast cancer, a healthy gland and a benign tumor are shown in figures 1, 2, 3 and 4; where 4 combined image images for each patient are presented:

- вверху слева исходная маммограмма,- top left mammogram,

- вверху справа изображение образ на основе выделенного специфичного признака А+ (код программы обработки снимка RECT.0),- at the top right, the image is an image based on the selected specific attribute A + (image processing program code RECT.0),

- внизу слева изображение образа на основе выделенного специфичного признака S+ (код программы обработки RECT.1),- bottom left image of the image based on the selected specific feature S + (code of the processing program RECT.1),

- внизу справа изображение образа артефактов в виде ярких точек на фоне образа признака S+ (код программы обработки RECT.9).- bottom right image of the image of artifacts in the form of bright points on the background of the image of the sign S + (code of the processing program RECT.9).

На каждом изображении RECT.0 красным цветом показаны участки наиболее интенсивного злокачественного процесса; зелеными линейными замкнутыми полосками изображены нулевые значения признака, отделяющие слабо красные значения внутри области замыкания от слабо синих снаружи; синим цветом изображены нераковые области молочной железы.On each RECT.0 image, red sections of the most intense malignant process are shown in red; green linear closed stripes show zero values of the attribute, separating weakly red values inside the circuit area from weakly blue ones outside; non-cancerous areas of the mammary gland are shown in blue.

На фиг.1 изображены снимки больной Г. 66 лет. Диагноз: рак правой молочной железы Т2 N1 М0. Гистологическое заключение: внутрикистозные аденопапиломы с малигнизацией по типу инфильтративной карциномы 2 степени злокачественности. Метастазов в региональные лимфоузлы нет. На исходном снимке определяется тень злокачественной опухоли, растущую внутри кисты молочной железы. На обработанном снимке RECT.0 пятно красного цвета на голубом фоне соответствует наличию злокачественной ткани. На обработанном снимке RECT.1 пятно белого цвета на черном фоне соответствует наличию злокачественной ткани. На обработанном снимке RECT.9 пятно серого цвета на черном фоне соответствует наличию злокачественной ткани. Мелкие светлые точки соответствуют артефактам на эмульсии пленки.Figure 1 shows photographs of a patient G. 66 years. Diagnosis: cancer of the right breast T2 N1 M0. Histological conclusion: intracystic adenopapilomas with malignancy as an infiltrative carcinoma of the 2nd degree of malignancy. There are no metastases to regional lymph nodes. In the original image, the shadow of a malignant tumor growing inside the breast cyst is determined. In the processed RECT.0 image, a red spot on a blue background corresponds to the presence of malignant tissue. In the processed RECT.1 image, a white spot on a black background corresponds to the presence of malignant tissue. In the processed RECT.9 image, a gray spot on a black background corresponds to the presence of malignant tissue. Small light dots correspond to artifacts on the film emulsion.

На фиг.2 изображены снимки больной Г. 39 лет. Диагноз: рак левой молочной железы Т3 N1 М0. Гистологическое заключение: инфильтрирующая карцинома 2 ст. злокачественности. Метастазы в 5 подмышечных лимфоузлах. На исходном снимке определяется тень злокачественной опухоли полукруглой формы на основании железы. На обработанном снимке RECT.0 пятно красного цвета на голубом фоне соответствует наличию злокачественной ткани. На обработанном снимке RECT.1 пятно белого цвета на черном фоне соответствует наличию злокачественной ткани. На обработанном снимке RECT.9 пятно белого цвета на черном фоне соответствует наличию злокачественной ткани.Figure 2 shows photographs of a patient G. 39 years. Diagnosis: cancer of the left breast T3 N1 M0. The histological conclusion: infiltrating carcinoma 2 tbsp. malignancy. Metastases in 5 axillary lymph nodes. In the original image, the shadow of a semicircular malignant tumor on the base of the gland is determined. In the processed RECT.0 image, a red spot on a blue background corresponds to the presence of malignant tissue. In the processed RECT.1 image, a white spot on a black background corresponds to the presence of malignant tissue. In the processed RECT.9 image, a white spot on a black background corresponds to the presence of malignant tissue.

На фиг.3 изображены снимки здоровой молочной железы пациентки С. 38 лет. На исходном снимке определяются тени фиброзно-железистой структуры молочной железы. На обработанном снимке RECT.0 на голубом фоне легкие беловатые узоры соответствует диффузному распределению фиброзной ткани. На обработанном снимке RECT.1 на черном фоне легкие белые узоры соответствует диффузному распределению фиброзной ткани. На обработанном снимке RECT.9 на черном фоне мелкие белые точки соответствуют артефактам на эмульсии.Figure 3 shows photographs of a healthy mammary gland of patient C., 38 years old. In the original image, the shadows of the fibrous-glandular structure of the mammary gland are determined. In the processed RECT.0 image against a blue background, light whitish patterns correspond to the diffuse distribution of fibrous tissue. In the processed RECT.1 image on a black background, light white patterns correspond to the diffuse distribution of fibrous tissue. In the processed RECT.9 image on a black background, small white dots correspond to artifacts on the emulsion.

На фиг.4 изображены снимки пациентки П. 45 лет. Диагноз: множественные фиброаденомы левой молочной железы. Гистологический диагноз: периканаликулярные фиброаденомы. На исходном снимке определяется три округлых тени с ровными краями и ободком просветления по краям опухолей на фоне плотной фиброзно-железистой структуры молочной железы. На обработанном снимке RECT.0 на голубом фоне легкие белые диффузные узоры, контуры доброкачественных опухолей не определяются. На обработанном снимке RECT.1 на черном фоне легкие белые узоры и мелкие белые точки соответствуют артефактам на эмульсии. На обработанном снимке RECT.9 на черном фоне мелкие белые точки соответствуют артефактам на эмульсии.Figure 4 shows photographs of a patient P., aged 45. Diagnosis: multiple fibroadenomas of the left breast. Histological diagnosis: pericanalicular fibroadenomas. In the initial image, three rounded shadows with smooth edges and a rim of enlightenment along the edges of the tumors against the background of the dense fibrous-glandular structure of the mammary gland are determined. In the processed RECT.0 image on a blue background, light white diffuse patterns, the contours of benign tumors are not detected. In the processed RECT.1 image, on a black background, light white patterns and small white dots correspond to artifacts on the emulsion. In the processed RECT.9 image on a black background, small white dots correspond to artifacts on the emulsion.

Claims (4)

1. Способ получения информационного образа рака молочной железы, включающий получение маммограммы, представление ее в числовой форме в виде исходной матрицы чисел на шагах дискретизации, получение конечного изображения с использованием известного технического приема выявления распределения плотности искомого вида информации с помощью выделенного информационного окна в виде квадрата не менее девяти шагов дискретизации и не более одной четверти исходной матрицы чисел, отличающийся тем, что для получения специфического информационного образа рака молочной железы по маммограмме формируют в исходной числовой матрице через n-клеточный квадратный шаблон с размером одной клетки, равным шагу дискретизации, и размером самого шаблона не менее четырех клеток и не более четверти исходной матрицы информационные ячейки из новых значений чисел в клетках каждой ячейки, полученных путем смещения информационного шаблона на один шаг дискретизации по всей исходной матрице, и определяют разность чисел, попавших в клетки шаблона, и числа с минимальным значением в одной из клеток шаблона по формуле1. A method of obtaining an informational image of breast cancer, including obtaining a mammogram, presenting it in numerical form as an initial matrix of numbers at the sampling steps, obtaining a final image using a known technique for detecting the density distribution of the desired type of information using a highlighted information window in the form of a square at least nine sampling steps and no more than one quarter of the original matrix of numbers, characterized in that for obtaining a specific information the mammary cancer image from the mammogram is formed in the original numerical matrix through an n-cell square template with the size of one cell equal to the sampling step and the size of the template itself of at least four cells and not more than a quarter of the original matrix information cells from the new values of the numbers in the cells of each cells obtained by shifting the information template by one sampling step over the entire original matrix, and determine the difference between the numbers that fall into the cells of the template and the numbers with the minimum value in one of the cells of the template and the formula Н $\genfrac{}{}{0ex}{}{\text{'}}{\text{I}}$ = Н_i - minН_i,N $\genfrac{}{}{0ex}{}{\text{''}}{\text{I}}$ = H _i - min H _i , где H_i - исходное значение числа, попавшего в i-ю клетку информационного шаблона;where H _i is the initial value of the number that fell into the i-th cell of the information template; Н $\genfrac{}{}{0ex}{}{\text{'}}{\text{i}}$ - новое значение числа в i-й клетке информационной ячейки;N $\genfrac{}{}{0ex}{}{\text{''}}{\text{i}}$ - the new value of the number in the i-th cell of the information cell; i - номера клеток ячейки, соответствующие номерам клеток шаблона (1,2,3,...,n),i - cell numbers of the cell corresponding to the cell numbers of the template (1,2,3, ..., n), по этим числам рассчитывают показатель информационной ячейки по последовательным формуламaccording to these numbers, the indicator of the information cell is calculated according to successive formulas

- отклонение от уровня “0,5” полученного делением пополам maxH"_i,

- deviation from the level of “0.5” obtained by dividing in half maxH " _i , гдеWhere

все положительные значения А+ считают выделенным информационным признаком рака молочной железы; далее с помощью известной технологии работы с информационным окном получают новый информационный образ в виде матрицы чисел, отражающих распределение плотности выделенного признака; анализируют полученный новый информационный образ с точки зрения выявления рельефа исследуемых аномалий, соответствующих очагам раковой опухоли, на маммограмме, при необходимости повторяют выявление распределения плотности через прежний или новый размер информационного окна до получения рельефа исследуемых аномалий необходимого масштаба.all positive A + values are considered a highlighted informational sign of breast cancer; Further, using the well-known technology for working with the information window, a new information image is obtained in the form of a matrix of numbers reflecting the density distribution of the selected attribute; analyze the obtained new information image from the point of view of revealing the relief of the studied anomalies corresponding to the foci of the cancer tumor on the mammogram; if necessary, repeat the detection of the density distribution through the old or new size of the information window until the relief of the studied anomalies of the required scale is obtained. 2. Способ по п. 1, отличающийся тем, что информационный образ в виде матрицы чисел, отражающих распределение плотности выделенного признака, представляют в цвете соответственно знаку и величине плотности.2. The method according to p. 1, characterized in that the information image in the form of a matrix of numbers reflecting the density distribution of the selected attribute is represented in color according to the sign and density value. 3. Способ по п. 1, отличающийся тем, что суммы положительных отклонений S+ рассматривают в качестве выделенного признака рака молочной железы, путем известных операций получают информационный образ в виде матрицы чисел, отражающих распределение плотности выделенного признака S+, имеющего форму рельефа аномалий, соответствующих очагам раковой опухоли на маммограмме; полученный рельеф аномалий служит для совместного анализа особенностей проявления рака молочной железы, при этом новый информационный образ в виде матрицы чисел, отражающих распределение плотности выделенного признака, представляют в цветах серой шкалы соответственно величине плотности.3. The method according to p. 1, characterized in that the sum of the positive deviations of S + is considered as an isolated sign of breast cancer, through known operations, an information image is obtained in the form of a matrix of numbers reflecting the density distribution of the selected sign of S +, which has the shape of an anomaly relief corresponding to the foci cancer on the mammogram; The obtained relief of anomalies serves for a joint analysis of the features of the manifestation of breast cancer, while a new information image in the form of a matrix of numbers reflecting the density distribution of the selected symptom is presented in gray scale colors according to the density value. 4. Способ по п. 1 или 3, отличающийся тем, что в информационной ячейке заменяют в каждой клетке числовое значение положительного отклонения на единицу, а отрицательные отклонения - на ноль, находят характеристическую функцию в виде сумм всех отклонений в ячейке по формуле4. The method according to p. 1 or 3, characterized in that in the information cell, in each cell, the numerical value of the positive deviation is replaced by one, and negative deviations are replaced by zero, the characteristic function is found in the form of the sum of all deviations in the cell according to the formula

где F+ - сумма отклонений, фактически равная сумме всех положительных отклонений, равных 1,where F + is the sum of deviations, actually equal to the sum of all positive deviations equal to 1, далее с помощью известной технологии с информационным окном получают новый информационный образ в виде матрицы чисел, отражающих распределение плотности количественных значений F+; затем информационный образ в виде матрицы чисел распределения плотности выделенного информационного признака S+ покоординатно делят на информационный образ в виде матрицы чисел распределения характеристической функции F+ и анализируют полученный новый образ с точки зрения выявленных участков с максимальной интенсивностью по шкале серой цветности, определяя эти участки как артефакты путем сравнения с участками, имеющими те же координаты на исходной числовой матрице маммограммы, на которой также выявляются технические повреждения или загрязнения; выявленные таким образом артефакты учитывают при анализе информационных образов специфических признаков рака молочной железы в виде показателя аномальной асимметрии А+ и суммарного показателя положительных отклонений S+.then, using the well-known technology with an information window, a new information image is obtained in the form of a matrix of numbers reflecting the distribution of the density of quantitative values F +; then the information image in the form of a matrix of distribution numbers of the density of the selected information attribute S + is coordinatewise divided into the information image in the form of a matrix of distribution numbers of the characteristic function F + and the obtained new image is analyzed from the point of view of the identified areas with maximum intensity on the gray scale, defining these areas as artifacts by comparisons with areas that have the same coordinates on the original numerical matrix of the mammogram, which also reveals technical damage or pollution; artifacts identified in this way are taken into account when analyzing information images of specific signs of breast cancer in the form of an abnormal asymmetry indicator A + and a total indicator of positive deviations S +.

Images