ভ্যারাইং গ্রে স্কেল ইন্টেনসিটি থ্রেশহোল্ড ব্যবহার করে ম্যামোগ্রাম ইমেজে অস্বাভাবিকতা ভিজ্যুয়ালাইজ এবং সনাক্ত করতে: 9 টি ধাপ

2024 লেখক: John Day | [email protected]. সর্বশেষ পরিবর্তিত: 2024-01-30 08:01

এই প্রজেক্টের উদ্দেশ্য ছিল বিভিন্ন পটভূমির টিস্যু শ্রেণিবিন্যাসের গ্রেস্কেল ম্যামোগ্রাম চিত্রগুলি প্রক্রিয়া করার জন্য একটি প্যারামিটার চিহ্নিত করা এবং ব্যবহার করা: ফ্যাটি, ফ্যাটি গ্ল্যান্ডুলার এবং ঘন টিস্যু। এই শ্রেণীবিভাগটি ব্যবহার করা হয় যখন রেডিওলজিস্টরা ম্যামোগ্রাম বিশ্লেষণ করে এবং টিস্যু ঘনত্ব ক্ষত বা টিউমারের মতো কোন অস্বাভাবিকতাকে অস্পষ্ট করবে কিনা তা বিবেচনা করা প্রয়োজন। এর কারণ হল উভয় স্বাভাবিক শারীরবৃত্তীয় গঠন যেমন গ্রন্থিযুক্ত টিস্যু এবং তন্তুযুক্ত সংযোগকারী টিস্যু। এবং ক্যালসিফিকেশন এবং টিউমারের মতো অস্বাভাবিক রূপবিজ্ঞানগুলি ম্যামোগ্রামে খুব উজ্জ্বল দেখাবে এবং কম ঘন ফ্যাটি টিস্যু কালো দেখাবে। অতএব, এটি একটি ক্লাসিফায়ার প্রোগ্রাম করার উপযুক্ত ছিল যা পিক্সেলের তীব্রতার মাত্রাগুলিকে সর্বোত্তমভাবে কল্পনা করতে এবং জনসাধারণকে সনাক্ত করতে পারে।

ধাপ 1: ম্যামোগ্রাম ডেটা সংগঠিত করা

প্রথম জিনিসগুলির মধ্যে একটি যা আমি বুঝতে পেরেছিলাম যে আমাকে পরিচালনা করতে হবে তা হল একটি খুব স্পষ্ট, সংক্ষিপ্ত এবং অ্যাক্সেসযোগ্য উপায়ে ডেটা সংগঠিত করা। ম্যামোগ্রামের মিনি-এমআইএএস ডাটাবেস থেকে আমি যে ভেরিয়েবলগুলি বের করেছি তা হল। আমি দুটি অ্যারে তৈরি করেছি। একটিতে 4 টি কলাম রয়েছে:

1. ছবি নম্বর:
2. x ভরের সমন্বয়
3. y ভরের সমন্বয়
4. ভর ব্যাসার্ধ: (এটি ভরের জন্য একটি আনুমানিক আকার নির্ধারণ করে

দ্বিতীয় অ্যারে শ্রেণীবিভাগের তথ্য রয়েছে:

1. ব্যাকগ্রাউন্ড টিস্যুর ধরন: ফ্যাটি (F), ফ্যাটি গ্ল্যান্ডুলার (G), ঘন (D)
2. ভর বর্ণনা: ভালভাবে সংজ্ঞায়িত (CIRC), spiculated (SPIC), অসুস্থ সংজ্ঞায়িত অন্যান্য (MISC) স্থাপত্য বিকৃতি (ARCH), অসমতা (ASYM), স্বাভাবিক (NORM)
3. নির্ণয়: সৌম্য (বি), ম্যালিগন্যান্ট (এম)

যেহেতু এই প্রকল্পের লক্ষ্য ছিল প্রতিটি প্রকার ব্যাকগ্রাউন্ড টিস্যুর জন্য সর্বোত্তম সীমা নির্ধারণ করা, সমস্ত তথ্যের প্রয়োজন ছিল না। যাইহোক, আপনি টেক্সচার বিশ্লেষণ অন্তর্ভুক্ত করার জন্য আপনার প্রকল্পটি প্রসারিত করতে পারেন এবং আপনার শ্রেণীবদ্ধকারীকে পরিচিত গণ বিবরণের বিরুদ্ধে পরীক্ষা করতে পারেন।

সাইড নোট: যে ডাটাবেস থেকে আমি নির্ণয়কৃত ম্যামোগ্রাম ছবি পেয়েছি সেগুলি প্রতিটি ম্যামোগ্রাম সম্পর্কে তথ্যগুলিকে ছবি থেকে আলাদা একটি টেক্সট ফাইলে সংগঠিত করেছে। একটি টেক্সট ফাইল থেকে ডেটা বের করা এবং অ্যারে ফর্মগুলিতে সংগঠিত করা আমার পক্ষে হালকাভাবে কঠিন ছিল, কিন্তু নিচের লিঙ্কটি সেগুলি বের করতে খুব সহায়ক ছিল। বিকল্পভাবে, আপনার উদ্দেশ্যগুলির জন্য আমি উপরে আটকানো কোডটি সামঞ্জস্য করুন।

ম্যামোগ্রাম ফাইল ফরম্যাট: mdb001 G CIRC B 535 425 197

mdb002 G CIRC B 522 280 69

টেক্সটস্ক্যান সাহায্য: https://www.mathworks.com/help/matlab/ref/textsca… ম্যামোগ্রাম ডেটাবেস:

ধাপ 2: ইমেজ প্রসেসিং

ঠিক আছে, দ্বিতীয় জিনিসটি যখন আমি গণনা করার উপায় বের করতে গিয়েছিলাম তা হল যে অনেক অস্বাভাবিক ম্যামোগ্রামের জন্য আমি অস্বাভাবিকতা কোথায় বা কত বড় তা আমি দৃশ্যত বলতে পারি না। স্পষ্টতই, যেহেতু আমি একজন অভিজ্ঞ রেডিওলজিস্ট নই, এটা প্রত্যাশিত ছিল। যাইহোক, অস্বাভাবিকতা খুঁজে বের করার সবচেয়ে সহজ উপায় (আমার দীর্ঘ গুগল অনুসন্ধান অনুসারে) উজ্জ্বল এবং অন্ধকার অঞ্চলের ঘনত্বের দিকে নজর দেওয়া। আমি প্রাথমিকভাবে চিত্রের বৈসাদৃশ্য বাড়ানোর জন্য অ্যাডাপথিস্টিক ফাংশনটি ব্যবহার করেছি এবং তারপরে বিভিন্ন থ্রেশহোল্ড স্তরের পরীক্ষা -নিরীক্ষার জন্য ছবিটিকে একটি বাইনারি ইমেজে রূপান্তরিত করার জন্য ইমবিনারাইজ করেছি।

1. adapthisteq: এই ফাংশন বিপরীত সীমিত অভিযোজিত হিস্টোগ্রাম ইকুয়ালাইজেশন ব্যবহার করে গ্রেস্কেল এবং rgb ইমেজের তীব্রতা মান পরিবর্তন করে। অন্য কথায়, এটি একটি নির্দিষ্ট ধরণের বিতরণে তীব্রতার মানগুলির হিস্টোগ্রাম সমন্বয় করে। এই ফাংশনের জন্য ম্যাথওয়ার্কস লিঙ্কটি আরও পড়ার জন্য নীচে সংযুক্ত করা হয়েছে।
2. ইমবিনারাইজ: একটি ধূসর স্কেল ইমেজ থেকে একটি বাইনারি ইমেজ তৈরি করে একটি নির্দিষ্ট ইন্টেনিস্টির উপরে 1s এবং সেই পিক্সেলগুলিকে 0 এর নিচে নির্দিষ্ট করে।

ধাপ 3: থ্রেশহোল্ডিং কোড

একটি ফর লুপ ম্যামোগ্রামকে বিভিন্ন থ্রেশহোল্ড দিয়ে বাইনারাইজ করতে ব্যবহৃত হয়। একটি বড় ছবি দেখার জন্য, লুপের জন্য ধাপ 3 থেকে ধাপ 7 পর্যন্ত কোড রয়েছে তাই প্রতিটি বাইনারি ইমেজ অস্বাভাবিকতার জন্য বিশ্লেষণ করা হবে। উপরন্তু, লুপের জন্য এটি লুপের জন্য অন্যটিতে আবদ্ধ থাকে যা প্রতিটি পুনরাবৃত্তিতে ডাটাবেস থেকে একটি নতুন ম্যামোগ্রাম চিত্র আমদানি করে।

ধাপ 4: প্রতিটি বাইনারি ইমেজের জন্য অস্বাভাবিকতা খোঁজা

আমি ব্যাকগ্রাউন্ড গোলমাল অপসারণের জন্য ইমোপেনের সাথে স্ট্রেল ফাংশন ব্যবহার করে বাইনারি ইমেজগুলি আরও প্রক্রিয়াজাত করেছি। পূর্ববর্তী ধাপ থেকে বাইনারি ইমেজ উল্টানো এবং SE দ্বারা সংজ্ঞায়িত আশপাশ ব্যবহার করে ফিল্টার করা হয়। তারপরে আমি কমপক্ষে 8 টি সংযুক্ত পিক্সেল রয়েছে এমন কোনও অঞ্চলকে লেবেল করতে bwlabel ব্যবহার করেছি।

Bwlabel দ্বারা চিহ্নিত প্রতিটি স্পটের সেন্ট্রয়েড এবং এরিয়া প্রপার্টি খুঁজে বের করার জন্য রিজিয়ন প্রপস ফাংশন ব্যবহার করা হয়েছিল।

তারপর 500 পিক্সেলের চেয়ে বড় সব স্পট আইসেম্বার ব্যবহার করে চিহ্নিত করা হয়েছিল। চিহ্নিত দাগগুলির জন্য সেন্ট্রয়েডগুলি এমন একটি ছবিতে তৈরি করা হয়েছিল যা শুধুমাত্র 500 এর চেয়ে বড় ক্ষেত্র প্রদর্শন করে। স্পট = শনাক্ত> 0;

ধাপ 5: চাক্ষুষ তুলনার জন্য নির্ণয়কৃত ভর অবস্থান এবং আকার প্লট করা

আমি দেখতে চেয়েছিলাম bwlabel দ্বারা পাওয়া দাগগুলি সঠিক কিনা। আমি এটি দুটি উপায়ে করেছি। আমি প্রথমে একটি ভিজ্যুয়াল তুলনা করে আমার ক্লাসিফায়ারের সঠিকতা বিশ্লেষণ করেছি। আমি কেবল প্রাক-প্রক্রিয়াকৃত ম্যামোগ্রাম চিত্রের অস্বাভাবিকতা (লাল বৃত্ত) এবং কোড (নীল x) দ্বারা নির্ধারিত অবস্থানটির প্রকৃত আকার এবং অবস্থান চক্রান্ত করেছি। উপরের ছয়টি ছবি গ্রেস্কেল থ্রেশহোল্ড মান বাড়ানোর প্রভাব দেখায়।

ধাপ 6: দ্বিতীয় তুলনা পদ্ধতি বাস্তবায়ন

ক্লাসিফায়ার এবং থ্রেশহোল্ড মানগুলি পরীক্ষা করার দ্বিতীয় উপায় হল নির্ণয় করা অস্বাভাবিকতা স্থানাঙ্ক থেকে একটি নির্দিষ্ট দূরত্বের মধ্যে ক্লাসিফায়ার দ্বারা পাওয়া যায় কিনা তা নির্ধারণ করে। আমি সেই থ্রেশহোল্ডগুলি সংরক্ষণ করেছি যার জন্য চিহ্নিত পয়েন্টগুলির মধ্যে কমপক্ষে 1.5*r এর মধ্যে পরিচিত অস্বাভাবিকতা থেকে ম্যামোগ্রাম ডেটা নামে একটি পৃথক পাঠ্য ফাইলে ছিল। এর জন্য উদ্দেশ্য ছিল আমার ক্লাসিফায়ারের অস্বাভাবিকতা চিহ্নিত করার জন্য প্রয়োজনীয় সর্বনিম্ন সীমা খুঁজে পাওয়া।

ধাপ 7: সংগৃহীত তথ্য বিশ্লেষণ

আমি সমস্ত অস্বাভাবিক ম্যামোগ্রাম চিত্রগুলিতে প্রোগ্রামটি পরিচালনা করেছি এবং আমার কাছে ডেটাগুলির একটি বিশাল পাঠ্য ফাইল রয়েছে। প্রতিটি ধরণের টিস্যুর জন্য সর্বোত্তম থ্রেশহোল্ড খুঁজে বের করার জন্য আমি টিস্যুর ধরন অনুসারে ডেটা সংগঠিত করেছি এবং প্রতিটি টিস্যু প্রকারের জন্য থ্রেশহোল্ড মানগুলির হিস্টোগ্রাম তৈরি করেছি। সঠিক থ্রেশহোল্ড মান নির্ধারণ করা হয়েছিল কোন থ্রেশহোল্ড প্রতিটি টিস্যু প্রকারের জন্য সবচেয়ে সঠিক ফলাফল প্রদান করে। আমি আমার ক্লাসিফায়ারে আপলোড করার জন্য এই ডেটা সংরক্ষণ করেছি।

ধাপ 8: আপনার নিজের ক্লাসিফায়ার তৈরি করা

আমি প্রতিটি টিস্যু প্রকারের জন্য সবচেয়ে উপযুক্ত থ্রেশহোল্ড মান খুঁজে পাওয়ার পর, ম্যামোগ্রাম ইমেজের জন্য থ্রেশহোল্ড চয়ন করতে ব্যবহারকারীর ইমেজ নম্বর এবং টিস্যু টাইপ ইনপুট করার জন্য আমি আমার মূল কোড সম্পাদনা করেছি। আমি তখন মূল ম্যামোগ্রাম চিত্রগুলিতে পাওয়া স্থানগুলির সাথে নির্ণয়কৃত ম্যামোগ্রামের অবস্থানটি চক্রান্ত করি। আমি এটিকে আরও মজাদার করতে চেয়েছিলাম তাই আমি ROI এর চারপাশে একটি বৃত্তাকার অঞ্চল কাটার জন্য একটি ফাংশন প্রোগ্রাম করেছি। ব্যবহারকারীকে একটি কেন্দ্র বিন্দু এবং বেশ কয়েকটি পয়েন্ট বাছাই করার নির্দেশ দেওয়া হবে যা ROI- কে সর্বোত্তমভাবে অন্তর্ভুক্ত করে। আমি এখানে উভয় ম্যাটল্যাব ফাইল সংযুক্ত করেছি।

ধাপ 9: উন্নতি? কোন চিন্তা?

আমি যখন এই নির্দেশনাটি লিখছিলাম তখন আমি ক্লাসিফায়ারে অনেক উন্নতি দেখতে শুরু করেছি যেমন টেক্সচার বিশ্লেষণের ভিত্তিতে চিহ্নিত বিভিন্ন ধরণের জনসাধারণের মধ্যে পার্থক্য করার উপায় খুঁজে বের করা বা স্যান্ডবক্স প্রজেক্টের নির্ভুলতা বিভাগের জন্য আমার পরীক্ষার উন্নতি করা। ফাইল যেহেতু এটি একটি নির্দিষ্ট সময়সীমার সাথে একটি প্রকল্প ছিল তাই আমাকে কোথাও থামতে হয়েছিল, কিন্তু আমি আশা করছি যে আমি অন্যান্য অ্যাপ্লিকেশনগুলিতে শিখেছি ইমেজ প্রসেসিং দক্ষতা ব্যবহার করতে সক্ষম হব। এছাড়াও, আমি ফাইলটি সংযুক্ত করেছি যা সমস্ত অস্বাভাবিক ম্যামোগ্রাম চিত্রগুলির ব্যাচ প্রক্রিয়াতে ব্যবহৃত হয়েছিল।