CC..png   

Юридический и почтовый адрес организации-издателя: САФУ, редакция «Журнала медико-биологических исследований», наб. Северной Двины, 17, г. Архангельск, Россия, 163002
Местонахождение: редакция «Журнала медико-биологических исследований», наб. Северной Двины, 17, ауд. 1336, г. Архангельск

Тел: (818-2) 21-61-21 
Сайт: https://vestnikmed.ru
e-mail: vestnik_med@narfu.ru
            vestnik@narfu.ru

о журнале

Методы обработки и анализа термограмм для экспресс-диагностики новообразований молочных желез. С. 56–66

Версия для печати

: Медико-биологические науки

616-092.11

И.С. Кожевникова*, М.Н. Панков*, Н.А. Ермошина**
*Северный (Арктический) федеральный университет имени М.В. Ломоносова (г. Архангельск)
**Балтийский государственный технический университет «ВОЕНМЕХ» имени Д.Ф. Устинова (Санкт-Петербург)

Статья представляет собой аналитический обзор достижений в разработке систем автоматизированной интерпретации термограмм для диагностики опухолей молочных желез. Для эффективного использования термографии в диагностике необходима автоматизация оперативного анализа, количественного описания и интерпретации результатов исследований. Системы автоматизированной диагностики обладают функцией экспертного анализа, их цель заключается в принятии решения о характере явлений, зафиксированных на медицинском изображении. Существует 4 этапа работы с изображениями: предобработка, сегментация, выделение признаков и классификация. За последние несколько лет достигнуты заметные результаты в автоматизации постановки диагноза на основе анализа термограмм в терминах точности, специфичности и чувствительности. Эти результаты обусловлены улучшением эксплуатационных характеристик тепловизоров, а также успехами в разработке алгоритмов обработки изображений и анализа данных. Точность, с которой алгоритмы определяют наличие или отсутствие опухоли, приближается к 100 %, предложены модели систем, способных достоверно выделять анатомические области интереса. Тем не менее все еще не решена проблема существенного количества недостоверно-положительных и недостоверно-отрицательных результатов. Активно разрабатываются новые направления, такие как автоматизация диагностики рака груди по последовательности снимков не только для более точной фиксации и количественного описания пространственного расположения температурных карт, но и для учета температурных изменений во времени или количественного анализа реакций на стресс-тесты. Разрабатываются методы детального анализа обнаруженных опухолей для автоматизации определения их типа и стадии заболевания. Качество существующих моделей компьютерной диагностики на основе анализа термограмм пока не дает возможность внедрить их в клиническую практику, однако динамика развития и совершенствования методов позволяет предположить, что это будет возможно в ближайшие несколько лет.

системы компьютерной диагностики, инфракрасная термография, цифровая обработка медицинских изображений, выявление новообразований молочных желез
(pdf, 1.1MB )

  1. Макарова М.В., Юницына А.В. Тепловизионное исследование молочных желез в оценке объемных образований // Вестн. Сев. (Арктич.) федер. ун-та. Сер.: Мед.-биол. науки. 2013. № 3. С. 44–50. 
  2. Etehadtavakol M., Ng E.Y.K. Breast Thermography as a Potential Non-Contact Method in the Early Detection of Cancer: A Review // Journal Mech. Med. Biol. 2013. vol. 13, №. 2. Art. № 1330001. 
  3. Isard H.J., Becker W., Shilo R., Ostrum B.J. Breast Thermography After Four Years and 10,000 Studies // Am. J. Roentgenol. 1972. Vol. 115. P. 811–821. 
  4. Jones C.H. Thermography of the Female Breast // Diagnosis of Breast Disease. Baltimore, 1983. P. 214–234. 
  5. Gautherie M., Gros C. Breast Thermography and Cancer Risk Prediction // Cancer. 1980. Vol. 45. P. 51–56. 
  6. Silva L.F., Sequeiros G.O., Santos M.L., Fontes C.A., Muchaluat-Saade D.C., Conci A. Signal Analysis for Breast Cancer Risk Verification // Stud. Health Technol. Inform. 2015. Vol. 216. Р. 746–750. 
  7. Gerasimova E., Audit B., Roux S.G., Khalil A., Argoul F., Naimark O., Arneodo A. Multifractal Analysis of Dynamic Infrared Imaging of Breast Cancer // Europhys. Lett. 2014. Vol. 104, № 6. Art. № 68001. 
  8. Antonini S., Kolarić D., Nola I.A., Herceg Ž., Ramljak V., Kuliš T., Holjevac J.K., Ferenčić Ž. Thermography Surveillance After Breast Conserving Surgery – Three Cases // ELMAR: Proc. 53rd Int. Symp., Zadar, 14–16 September 2011. IEEE, 2011. Р. 317–319. 
  9. Agostini V., Knaflitz M., Molinari F. Motion Artifact Reduction in Breast Dynamic Infrared Imaging // IEEE Trans. Biomed. Eng. 2009. Vol. 56, № 3. P. 903–906. 
  10. Negin M., Ziskin M.C., Piner C., Lapayowker M.S. A Computerized Breast Thermographic Interpreter // IEEE Trans. Biomed. Eng. 1977. Vol. 24, № 4. P. 347–352. 
  11. Perona P., Malik J. Scale Space and Edge Detection Using Anisotropic Diffusion // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1990. Vol. 12, № 7. Р. 629–639. 
  12. Suganthi S.S., Ramakrishnan S. Anisotropic Diffusion Filter Based Edge Enhancement for Segmentation of Breast Thermogram Using Level Sets // Biomed. Signal Process. Control. 2014. Vol. 10, № 1. P. 128–136. 
  13. Chao S.-M., Tsai D.-M. An Improved Anisotropic Diffusion Model for Detail- and Edge-Preserving Smoothing // Pattern Recognit. Lett. 2010. Vol. 31, № 13. P. 2012–2023. 
  14. Kafieh R., Rabbani H. Wavelet-Based Medical Infrared Image Noise Reduction Using Local Model for Signal and Noise // IEEE Stat. Signal Process. Workshop, 2011. P. 549–552. 
  15. Dinsha D., Manikandaprabu N. Breast Tumor Segmentation and Classification Using SVM and Bayesian from Thermogram Images // Unique J. Eng. Adv. Sci. 2014. Vol. 2, № 2. P. 147–151. 
  16. Kamath D., Kamath S., Prasad K., Rajagopal K.V. Segmentation of Breast Thermogram Images for the Detection of Breast Cancer – A Projection Profile Approach // J. Image Graph. 2015. Vol. 3, № 1. P. 213–217. 
  17. Nader A.E.-R.M. Breast Cancer Risk Detection Using Digital Infrared Thermal Images // Int. J. Bioinform. Biomed. Eng. 2015. Vol. 1, № 2. P. 185–194. 
  18. Kapoor P., Prasad S.V.A.V., Patni S. Image Segmentation and Asymmetry Analysis of Breast Thermograms for Tumor Detection // Int. J. Comput. Appl. 2012. Vol. 50, № 9. Р. 40–45. 
  19. Pramanik S., Bhattacharjee D., Nasipuri M. Wavelet Based Thermogram Analysis for Breast Cancer Detection // Int. Symp. Adv. Comput. Commun., Silchar, 14–15 September 2015. IEEE, 2015. P. 67–72. 
  20. Rajaa N.S.M., Sukanya S.A., Nikita Y. Improved PSO Based Multi-Level Thresholding for Cancer Infected Breast Thermal Images Using Otsu // Procedia Comput. Sci. 2015. Vol. 48. P. 524–529. 
  21. Zadeh H.G., Kazerouni I.A., Haddadnia J. Distinguish Breast Cancer Based on Thermal Features in Infrared Images // Can. J. Image Process. Comput. Vis. 2011. Vol. 2, № 6. P. 116–121. 
  22. Golestani N., Etehadtavakol M., Ng E.Y.K. Level Set Method for Segmentation of Infrared Breast Thermograms // EXCLI J. 2014. Vol. 13. P. 241–251. 
  23. Фисенко В.Т., Фисенко Т.Ю. Метод вейвлетной сегментации цветных текстурных изображений // Оптич. журн. 2012. Т. 79, № 11. С. 21–27. 
  24. Nurhayati O.D., Widodo T.S., Susanto A., Tjokronagoro M. First Order Statistical Features for Breast Cancer Detection Using Thermal Images // WASET. 2010. Vol. 46. P. 382–384. 
  25. Milosevic M., Jankovic D., Peulic A. Thermography Based Breast Cancer Detection Using Texture Features and Minimum Variance Quantization // EXCLI J. 2014. № 13. P. 1204–1215. 
  26. Lashkari A., Pak F., Firouzmand M. Full Intelligent Cancer Classification of Thermal Breast Images to Assist Physician in Clinical Diagnostic Applications // J. Med. Signals Sens. 2016. Vol. 6, № 1. P. 12–24. 
  27. Suganthi S.S., Ramakrishnan S. Analysis of Breast Thermograms Using Gabor Wavelet Anisotropy Index // J. Med. Syst. 2014. Vol. 38, № 9. P. 101–106. 
  28. Francis S.V., Sasikala M., Saranya S. Detection of Breast Abnormality from Thermograms Using Curvelet Transform Based Feature Extraction // J. Med. Syst. 2014. Vol. 38, № 4. Art. № 23. 
  29. Etehadtavakol M., Lucas C., Sadri S., Ng E.Y.K. Analysis of Breast Thermography Using Fractal Dimension to Establish Possible Difference Between Malignant and Benign Patterns // J. Healthc. Eng. 2010. Vol. 1, № 1. P. 27–43. 
  30. Etehadtavakol M., Ng E.Y.K., Chandran V., Rabbani H. Separable and Non-Separable Discrete Wavelet Transform Based Texture Features and Image Classification of Breast Thermograms // Infrared Phys. Technol. 2013. Vol. 61. P. 274–286. 
  31. Lakshmi N.V.S.S.R., Jaipurkar S., Neelakanta K. Study on Mammary Rotational Infrared Thermographic System (MAMRIT) // Proc. 2015 Glob. Conf. Commun. Technol., Thuckalay, 23–24 April 2015. IEEE, 2015. Р. 576–578. 
  32. Francis S.V., Sasikala M., Bharathi G.B., Jaipurkar S.D. Breast Cancer Detection in Rotational Thermography Images Using Texture Features // Infrared Phys. Technol. 2014. Vol. 67. P. 490–496. 
  33. Попова Н.В., Попов В.А., Гудков А.Б. Диагностическое значение термографии рук, ультразвукового исследования сонных артерий и артериального давления у больных ишемической болезнью сердца // Экология человека. 2013. № 10. С. 32–36. 
  34. Кожевникова И.С., Панков М.Н., Грибанов А.В., Старцева Л.Ф., Ермошина Н.А. Применение инфракрасной термографии в современной медицине (обзор литературы) // Экология человека. 2017. № 2. С. 39–46.