Система диагностики заболеваний по маммографическим снимкам тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат наук Буланова, Юлия Анатольевна

• Буланова, Юлия Анатольевна
• кандидат наук
• 2014

Оглавление диссертации кандидат наук Буланова, Юлия Анатольевна

Содержание

Введение

ГЛАВА 1 ОБЗОР И АНАЛИЗ АЛГОРИТМОВ, МЕТОДОВ, МЕТОДИК И СИСТЕМ ОБРАБОТКИ И АНАЛИЗА МАММОГРАФИЧЕСКИХ СНИМКОВ

1.1 Состояние проблемы диагностики заболеваний молочной железы

1.1.1 Способы диагностики заболеваний молочной железы

1.1.2 Роль и место маммографического обследования в диагностики заболеваний молочной железы

1.1.3 Методика проведения маммографического обследования

1.2 Обзор технических и программных средств обработки маммограмм

1.2.1 Обзор существующих технических средств обработки маммограмм

1.2.2 Обзор программных средств обработки маммограмм

1.3 Методы и алгоритмы, применяемые для обработки и анализа маммографических снимков

1.3.1 Основные факторы, затрудняющие автоматическую обработку маммограмм

1.3.2 Аналого-цифровое преобразование маммограмм

1.3.3 Алгоритмы предварительной обработки маммограмм

1.3.4 Алгоритмы выделения областей новообразований

1.3.5 Алгоритмы распознавания новообразований

1.3.6 Выбор алгоритмов обработки маммограмм и распознавания новообразований

1.4 Выводы по первой главе

ГЛАВА 2 РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ ОБРАБОТКИ И АНАЛИЗА МАММОГРАФИЧЕСКИХ СНИМКОВ

2.1 Алгоритм формирования математической модели маммограммы на основе случайных марковских полей

2.2 Разработка алгоритма выделения областей новообразований на маммограммах

2.2.1 Алгоритм выделения области кисты молочной железы

2.2.2 Алгоритм выделения области фиброаденомы на маммограмме

2.2.3 Алгоритм выделения области рака молочной железы (РМЖ) на фоне жировой инволюции

2.2.4 Алгоритм выделения рака молочной железы на фоне ФКБ

2.2.5 Алгоритм выделения области рака молочной железы на фоне аденоза

2.3 Исследование алгоритмов выделения областей новообразований на маммограммах

2.3.1 Исследование алгоритмов по выделению кисты молочной железы на маммографических снимках

2.3.2 Исследование алгоритмов по выделению областей фиброаденом на маммографических снимках

2.3.3 Исследование алгоритмов по выделению рака молочной железы на фоне жировой инволюции

2.3.4 Исследование алгоритмов по выделению рака молочной железы на фоне ФКБ

2.3.5 Исследование алгоритмов по выделению рака молочной железы на фоне аденоза

2.4 Выводы по второй главе

ГЛАВА 3 РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ОБРАБОТКИ И АНАЛИЗА МАММОГРАФИЧЕСКИХ СНИМКОВ

3.1 Разработка требований к системе

3.1.1 Задачи, решаемые системой

3.1.2 Общие требования к системе

3.1.3 Требования к изображениям

3.2 Технические средства системы

3.2.1 Маммограф

3.2.2 Кассеты

3.2.3 Проявочная машина

3.2.4 Сканер высокого разрешения

3.2.5 Персональный компьютер

3.2.6 Принтер

3.3 Разработка структуры системы

3.4 Функции и назначения компонентов системы

3.4.1 Подсистема формирования маммограммы

3.4.2 Блок оцифровки

3.4.3 Подсистема формирования изображения

3.4.4 Подсистема обработки изображения

3.4.5 Подсистема выделения области новообразования

3.4.6 Подсистема вычисления текстурных признаков областей новообразований97

3.4.7 Подсистема классификации новообразований

3.4.8 Подсистема ручного выделения ROI

3.4.9 Подсистема работы с базой данных

3.4.10 Подсистема формирования отчетов

3.4.11 Подсистема вывода отчетов и данных об исследованиях

3.5 Выводы по третьей главе

ГЛАВА 4 РЕАЛИЗАЦИЯ И ПРАКТИЧЕСКОЕ ПРИМЕНЕНИЕ АСОиАМС

4.1 Характеристика групп пациентов

4.2 Статистическая оценка значимости факторов риска развития заболеваний молочной железы

4.3 Реализация АСОиАМС

4.3.1 Состав технических средств автоматизированной системы обработки и анализа маммограмм

4.3.2 Структура программного обеспечения системы

4.4 Результаты диагностики заболеваний на обучающих выборках

4.4.1 Формирование выборок и обработка снимков

4.4.2 Обучение системы и формирование эталонов

4.4.3 Классификация снимков обучающей выборки врачом-рентгенологом

4.4.4 Анализ результатов классификации маммографических снимков обучающей выборки

4.5 Результаты диагностики заболеваний на экзаменационных выборках

4.5.1 Классификация новообразований из контрольной выборки системой

4.5.2 Классификация снимков контрольной выборки врачом-рентгенологом

4.5.3 Анализ результатов классификации маммографических снимков контрольной выборки

4.6 Примеры обработки и анализа маммографических снимков на АСОиАМС

4.7 Выводы по четвертой главе

Заключение

Библиографический список

Приложение А - Тестовые снимки кисты молочной железы

Приложение Б - Тестовые снимки фиброаденомы молочной железы

Приложение В - Тестовые снимки рака молочной железы (жировая инволюция)

Приложение Д - Тестовые снимки рака молочной железы (Аденоз)

Приложение Е - Патент на полезную модель № 137139

Приложение Ж - Патент на полезную модель № 136612

Приложение 3 - Свидетельство о государственной регистрации программы для

ЭВМ

Приложение И - Акт внедрения

Приложение К - Акт внедрения

Введение диссертации (часть автореферата) на тему «Система диагностики заболеваний по маммографическим снимкам»

Введение

Болезни молочной железы занимают лидирующие позиции среди заболеваний женского населения. Самой страшной болезнью является рак молочной железы (РМЖ). По данным Всемирной организации здравоохранения (ВОЗ) [1] каждая 5 женщина в Европе заболевает раком до достижения 75 лет. По отношению к общей доли заболеваемости раком, наиболее распространенные формы рака среди женского населения Европейского региона следующие: рак молочной железы (28%), колоректальный рак (13,2%), рак легких (6,7%), рак матки (5,8%), рак яичников (4,3%), рак желудка (4,1%), рак шейки матки (3,8%), рак поджелудочной железы (3%). Статистические данные о смертности в результате онкологических заболеваний в зависимости от различных форм рака выглядят следующим образом: от рака молочной железы (17.0%), от колоректального рака (13.1%), от рака легких (11.2%), от рака желудка (6.6%), от рака поджелудочной железы (6.0%). Как видно из представленной выше статистической информации, рак молочной железы лидирует по сравнению с другими формами онкологических заболеваний женщин, его процентная доля в Европе составляет 28%.

По данным Министерства здравоохранения России [2] число впервые выявленных злокачественных новообразований также растет с каждым годом, например, в 1992 г. показатель впервые выявленного рака молочной железы составил 45 человек на 100 ООО женского населения, в 1995 г. - 48, в 2001 г. - 59, в 2007 - 67,9, в 2008 -68,8, в 2009-71,2, в 2010-75.

Результаты всех проведенных исследований говорят: чем больше опухоль, тем хуже прогноз на выздоровление, другими словами, чем позже выявили опухоль, чем больше ее размер, тем труднее будет проходить процесс выздоровления, тем сложнее лечение опухоли и велика вероятность последующих рецидивов заболевания, а также метастазирования. Эта взаимосвязь важна для понимания, почему так необходима своевременная диагностика опухоли. Если обнаружить рак молочной железы в ранней стадии, когда шансы терапии и излечения намного выше, то борьба с опухолью идет более эффективно, а значит, это излечимая стадия, следовательно, такой процесс приводит к снижению уровня смертности женского населения всего мира [3].

Несмотря на постоянное расширение возрастных и профессиональных групп женщин, подвергающихся профилактическим осмотрам с применением новейших

методик диагностики, удельный вес активного выявления больных раком данной локализации остается в целом по стране весьма низким [4].

На данный момент большинство лечебно-профилактических учреждений имеют в своем распоряжении аналоговые маммографические комплексы, которые не позволяют выявить заболевания на ранних стадиях, к тому же с помощью такой техники невозможно проследить динамику развития опухолей, так как во многих больницах нет возможности хранить базу снимков каждого пациента, а пациент в свою очередь невнимательно относится к снимкам предыдущих исследований, следовательно, теряется огромное количество важной информации. В то же время практически полностью отсутствует автоматизированная обработка маммографических снимков, так как закупка программного обеспечения для обработки маммограмм возможна только при покупке цифровых маммографических аппаратов [5] При отсутствии возможности покупки дорогостоящих цифровых маммографических аппаратов подход оцифровки аналоговых снимков и дальнейшая их обработка и анализ с использованием современных информационных технологий позволяет строить компьютерную диалоговую систему, решающую вопросы долговременного хранения снимков и ранней диагностики заболеваний Большинство цифровых систем обработки маммограмм позволяют изменять лишь визуальное качество снимков (изменение яркости, повышение контраста) и вычислять некоторые размеры новообразований. Кроме того, спецификация взаимодействия программного обеспечения и операционной системы современных цифровых маммографов является закрытой, что исключает создание модулей расширения Таким образом, достоинства цифровых методов обработки и анализа маммограмм на подавляющем большинстве систем, имеющихся в России, пока не реализованы в полном объеме и не позволяют выделять и распознавать новообразования на ранней стадии [6]

В связи с вышесказанным актуальной является разработка автоматизированной системы обработки и анализа маммограмм. которая будет аналогом существующих зарубежных компьютерных систем диагностики новообразований в молочной железе, позволит провести обработку как скрининговых. так и снимков обследования, сократить время обработки и анализа каждого снимка, получить новые данные о динамике развития опухолей^ повысить точность ч обьективность диагноза за счет большего количества данных, сформировать единую базу данных обследований и вести статистические исследования по различным параметрам

Целыо диссертационной работы является создание системы, обеспечивающей обработку и анализ оцифрованных маммографических снимков, позволяющей с высокой точностью выделять и классифицировать новообразования.

Для достижения цели необходимо решить следующие задачи:

1) Обзор и анализ алгоритмов, методов, систем обработки и анализа маммографических снимков, основанных на методах цифровой обработки изображений, распознавания образов и информационных технологий.

2) Разработка и исследование алгоритмов предварительной обработки мам мо грамм.

3) Разработка и исследование алгоритмов выделения областей 3 типов новообразований (киста, фиброаденома, рак молочной железы) на маммографических снимках

4) Разработка и исследование алгоритмов идентификации новообразований 3 типов (киста, фиброаденома, рак молочной железы) на маммографических снимках

5) Создание автоматизированной системы на основе разработанных алгоритмов, программных средств и современных компьютеров

6) Разработка технологии проведения маммографического обследования с использованием автоматизированной системы

7) Формирование базы данных обработанных маммограмм для научно-статистических исследований.

8) Экспериментальная оценка возможностей разработанной системы

9) Практическое применение созданной системы в маммографическом отделении больницы и проведение исследований на группе пациентов

Объект исследования - анапоговые и цифровые маммографические снимки, полученные в результат маммографических обследованиях и скрининговых исследований

Методы исследования. В работе использованы методы дискретной математики, математической логики, теории множеств, цифровой обработки изображений, математической статистики и распознавания образов

Научная новизна работы

разработана научная идея использования текстурных признаков Хараклика второго порядка полутоновых маммографических изображений для распознавания новообразований, позволившая строить высокоточные и быстрые алгоритмы распознавания новообразований трех основных типов - киста, фиброаденома, рак молочной железы;

- предложен подход выделения области молочной железы на маммограмме. основанный на случайных марковских полях, учитывающий индивидуальные особенности строения молочной железы каждой пациентки; выделения новообразований типов «Киста», «Фиброаденома», «Рак молочной железы» с использованием новых и достаточно простых алгоритмов предварительной обработки, а также идентификации новообразований трех типов, использующий дискриминантный анализ Фишера;

- доказана экспериментально на реальных маммографических снимках перспективность практического применения предложенных научной идеи использования текстурных признаков Харалика второго порядка полутоновых изображений и подходов выделения области молочной железы, областей новообразований трех типов, а также идентификации этих новообразований в медицинских системах маммографического скрининга.

- введено новое понятие «средний контраст», использование которого позволило скорректировать яркости и контрастность маммограммы. содержащей новообразование типа «киста молочной железы», необходимые для его распознавания

Теоретическая значимость исследования обоснована тем. что

- применительно к задаче диссертации результативно использованы комплексы базовых методов исследований теорий цифровой обработки изображений, распознавания образов, математической статистики;

- изложены новые идея, понятие, алгоритмы, доказательства возможности распознавания новообразований на маммограммах трех основных типов,

раскрыто отсутствие подходов, алгоритмов и систем в цифровой обработке изображений и распознавании образов, позволяющих решить задачу идентификации новообразований трех основных типов.

- изучены применительно к задачам диссертации методы математической статистики, цифровой обработки изображений и распознавания образов;

- проведена модернизация существующих алгоритмов предварительной обработки, а также случайных марковских полей, обеспечивающие получение новых научных и практически результатов по теме диссертации

Значение полученных соискателем результатов исследования для практики подтверждается тем, что:

- разработаны и внедрены технология обработки и анализа маммограмм и автоматизированная система обработки и анализа маммографических снимков в НУЗ Отделенческой больницы на станции Муром. ОАО РЖД (г Муром. Владимирская область) и в учебном процессе на кафедре информационных систем Муромского института (филиала) ФГБОУ ВПО «Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых»(г Муром. Владимирская область);

- определены возможности использования полученных теоретических и практических разработок дня идентификации других новообразований при изменении коэффициентов алгоритмов и перспективы практического использования при маммографическом скрининге;

- создана автоматизированная система обработки и анализа маммографических снимков, позволяющая выделять и идентифицировать три основных типа новообразований:

- представлены рекомендации по дальнейшему совершенствованию алгоритмов и системы распознавания по выделению других типов новообразований, а также сокращению времени и точности их распознавания

Оценка достоверности результатов исследования выявила . что.

- для экспериментальных работ результаты получены на сертифицированном оборудовании и программном обеспечении. показана воспроизводимость результатов исследований как на тестовых, так и на реальных маммографических снимках, выполненных в разных проекциях,

- теория построена на известных методах цифровой обработки изображений и распознавания образов, на проверяемых данных, полученных по теме диссертации традиционным экспериментальным путем:

идея использования текстурных признаков Харалика второго порядка полутоновых маммографических снимков для распознавания новообразований, базируется на анализе практики распознавания изображений в медицине;

- использовано сравнение результатов предварительной обработки алгоритмами автора и известными алгоритмами общего назначения, такими как метод линейного контрастирования, эквализации, нормализации,

- установлено, что результаты предварительной обработки маммограмм известными алгоритмами значительно уступают полученным с помощью алгоритмов авторов;

- установлено, что известные алгоритмы не могут быть использованы для предварительной обработки маммографических снимков;

- использованы современные методики сбора и обработки исходной информации, принятые в цифровой обработке изображений и распознавании образов;

- использованы презентабельные выборочные данные при выполнении экспериментальных исследованиях.

Личный вклад соискателя состоит в:

- включенном участии автора на всех этапах процесса исследований по реализации темы диссертации;

- непосредственном участии соискателя в получении исходных изображений реальных маммографических снимков, а также научных экспериментальных исследованиях;

- личном участии в апробации результатов исследования по выделению и идентификации новообразований на маммографических снимков;

- обработке и интерпретации экспериментальных данных по распознаванию новообразований трех основных типов и моделированию технологии обработки и анализа маммографических снимков, выполненных лично автором;

- подготовке основных публикаций по предварительной обработке, выделению новообразований типа «киста», «фиброаденома» и «рак молочной железы», а также разработке автоматизированной системы обработки и анализа маммограмм,

- личном участии по внедрению результатов диссертационной работы в маммографическом отделении лечебно-профилактического учреждения и в учебном процессе.

Диссертация охватывает основные вопросы поставленной научной задачи по созданию алгоритмов и системы распознавания новообразований на маммографических снимках и соответствует критерию внутреннего единства, что подтверждается наличием последовательного плана исследований, основной идейной линии по созданию новых быстродействующих и точных алгоритмов распознавания новообразований, взаимосвязи выводов по результатам теоретических и экспериментальных исследований

Практическая ценность работы. Разработанные алгоритмы и программные модули составляют основу АСОиАМС. применение которой позволяет решать следующие задачи практической медицины:

- постановка диагноза с использованием информации, содержащейся во всех снимках, полученных в результате обследования;

- исключения субъективных ошибок врача при выявления новообразований на скрининговых маммограммах:

- сокращения времени, повышения точности, объективности обследования пациентов

Реализация результатов работы. Разработанная автоматизированная система используется в маммографическом отделении больницы на станции Муром ОАО «РЖД» и в учебном процессе Муромского института (филиала) ФГБОУ ВПО «Владимирский государственный университет имени А Г. и Н. Г Столетовых» в виде цикла практических занятий по дисциплине «Методы и системы цифровой обработки изображений» и «Научно-исследовательской работе студентов (НИРС)». что подтверждается соответствующими актами

Па защиту выносятся следующие основные результаты работы

1. Апгоритм и программный модуль выделения новообразования типа «Киста молочной железы»

2 Алгоритм и программный модуль выделения новообразования типа «Фиброаденома»

3 Алгоритм и программный модуль выделения новообразования типа «Рак молочной железы» на фоне фиброзно-кистозной мастопатии

4 Алгоритм и программный модуль выделения новообразования типа «Рак молочной железы» на фоне аденоза

5. Алгоритм и программный модуль идентификации новообразований 3 типов (киста, фиброаденома, рак молочной железы) на маммографических снимках.

6. Результаты экспериментах исследований и практического применения системы.

Апробация работы. Материалы диссертационной работы докладывались и обсуждались на: Международном симпозиуме «Надежность и качество» (г. Пенза, 2012 г., 2013 г.); Международных конференциях «Распознавание 2012». «Распознавание 2013» (г. Курск, 2012 г.. 2013 г.); XX Международной научной конференции студентов, аспирантов и молодых учёных «ЛОМОНОСОВ-2013». (г Москва. 2013 г.). а также на IV. V. VI Всероссийских межвузовских научных конференциях «Наука и образование в развитии промышленной, социальной и экономической сфер регионов России» (г. Муром. 2011-2013 гг.); XVIII Международной конференции по вычислительной механике и современным прикладным программным системам (г. Алушта, 2013 г.); VII всероссийском национальном конгрессе лучевых диагностов и терапевтов «РАДИОЛОГИ_Я-2013» (г. Москва. 2013 г.); 11-ой международной конференции «Распознавание образов и анализ изображений: Новые информационные технологии» (РОАИ-11-2013) (г Самара, 2013 г.); «Искусственный интеллект Интеллектуальные системы» (пос. Кацивели. АР Крым. Украина. 2013 г.)

Публикации. Основные результаты диссертации опубликованы в 26 работах, в том числе в 7 статьях в журналах из перечня ВАК, одной монографии. 9 статьях в других научных журналах и 6 тезисах Получены 2 патента РФ на полезные модели и 1 свидетельство о регистрации программ для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 104 наименований. 99 рисунков, 18 таблиц. Общий обьем диссертации 149 страниц, в том числе 130 страниц основного текста. 9 страниц литературы, 10 страниц приложений

ГЛАВА 1 ОБЗОР И АНАЛИЗ АЛГОРИТМОВ, МЕТОДОВ, МЕТОДИК И СИСТЕМ ОБРАБОТКИ И АНАЛИЗА МАММОГРАФИЧЕСКИХ СНИМКОВ

1Л Состояние проблемы диагностики заболеваний молочной железы

По данным мировой статистики ежегодно выявляются около 1,38 млн. новых случаев РМЖ - это 10% от всех злокачественных опухолей различной локализации [7].

Показатели заболеваемости во всем мире варьируются в широких пределах. Самые низкие показатели заболеваемости наблюдаются в большинстве африканских стран, а так же в Японии и Китае, но и здесь эти показатели в последнее время возрастают.

Показатели выживаемости при раке молочной железы в разных странах варьируются в широких пределах - от 80% и более; в Северной Америке, Швеции и Японии около 60%; в странах со средним уровнем дохода менее 40. Низкие показатели выживаемости в менее развитых странах объясняются, главным образом, отсутствием программ по раннему выявлению, что приводит к значительному проценту женщин, у которых заболевание выявляется на поздних стадиях, а также отсутствием надлежащих средств и оборудования для диагностирования и лечения.

Ежегодно в России регистрируются более 50 ООО тысяч новых случаев заболевания. В 2000 году было зарегистрировано - 44840 случаев, а 2010 году это число выросло до 55241 [2]. Средний возраст заболеваемости в РФ составляет 59,2 года.

По статистике в России различными заболеваниями молочных желез, среди которых фиброзно-кистозная и узловая мастопатия, кисты, фиброаденомы молочной железы, страдает около 50% всех женщин. От онкологических заболеваний молочных желез в нашей стране умирает 18,4% женщин. Основная причина такой высокой смертности - запущенное состояние болезни [8].

По данным Минздрава РФ Владимирская область занимает 15 место по всему центральному федеральному округу (ЦФО), включая г. Москва и Московскую обл., а среди близлежащих областей - 3 место по числу людей, у которых впервые выявлены злокачественные новообразования и 5 место по числу летальных исходов от опухолей в молочной железе среди областей ЦФО [2].

1.1 1 Способы диагностики заболеваний молочной железы

Существует несколько способов диагностики заболеваний молочной железы. УЗИ молочных желез, маммография, компьютерная томография, магнитно-резонансная томография

Маммография - неинвазивный рентгенологический метод исследования молочных желез [9].

С помощью маммографии возможно обнаружить огромное количество патологий молочной железы - доброкачественные опухоли (кисты, фиброаденомы, галактоцеле. олеогранулемы и т д). злокачественные опухоли, предраковые образования МЖ

Различают пленочную (аналоговую) и цифровую маммографию

Пленочная маммография позволяет- возможность поли позиционного изображения молочной жепезы.

- возможность визуализации непальпируемых образований (в виде узла, локальной тяжистой перестройки структуры, скопления микрокальцинатов);

- возможность выполнения широкого спектра инвазивных и неинвазивных методик, используемых как для диагностики, так и для лечения ряда заболеваний (аспирационная биопсия, склерозирование кист, дукюграфия. внутритканевая маркировка опухоли и прочее):

- возможность объективного сравнительного анализа изображения молочной железы на маммограмме в динамике

Наряду с достоинствами пленочной маммографии имеются и существенные недостатки

- дня проведения пленочной маммографии требуется специальное оборудование, которое имеет большой вес (маммограф более 200 кг, проявочная машина в среднем 60 кг) и занимает большое пространство в кабинете,

- используются одноразовые маммографические кассеты, которые необходимо хранить при температуре 10-20°С и относительной влажности 30-50% в металлических шкафах, либо в специализированных помещениях,

- проявление пленки осуществляется с помощью специальных реактивов, за состоянием которых необходимо тщательно следить, иначе использование истощенного фиксажа или проявителя дает желто-зеленую вуаль, а недостаточная

промывка пленки приводит к появлению вуали или белого налета при неполном удалении гипосульфита;

- по многим причинам получается нечеткая, малоконтрастная маммограмма (например, неплотный прижим крышек кассеты или экрана к пленке приводит к появлению нерезкости изображения, использование экранов с повышенной зернистостью приводит к повышенной зернистости фона, что затрудняет поиск микрокальцинатов. механическое загрязнение экранов приводит к появлению мелких белых точек, симулирующих наличие мелких кальципатов и так далее);

- анализ маммограмм выполняет врач-рентгенолог, поэтому качество оценки снимка зависит от состояния здоровья врача, его квалификации, времени осмотра снимка, достаточной подсветки изображения, появления па снимках артефактов (пыли, грязи, пятен и так далее).

- рентгеноблучсние пациентов.

Цифровая маммография [10. 11] обладает теми же достоинствами что и пленочная, а также устраняет ее некоторые недостатки' поскольку снимок сразу попадает на экран монитора рабочей станции рентгенолога, не требуется использование проявочных машин, комнат и реактивов; врачу предоставляется возможность предварительной обработки снимков О коммерческих цифровых маммографических комплексах речь пойдет далее

Большинство российских медицинских учреждений используют пленочную маммографию [11].

УЗИ молочной железы. Ультразвуковая маммография (УЗМ) или ультразвуковое исследование молочной железы (УЗИ МЖ) - это неинвазивное исследование, использующее высокочастотные звуковые волны для получения изображения внутренней структуры молочной железы [12].

Основная цель УЗМ - диагностика любых отклонений, например, узла, кровянистых или прозрачных выделений из соска). С помощью УЗИ также возможно оценить структуру найденного новообразования даже при плотной МЖ, в которой много протоков, желез, фиброзной или железистой тканей. Поэтому УЗИ МЖ применяется в основном у молодых женщин от 15 до 35 лет. а также у нерожавших женщин старше 35 лет [13].

Самые распространённые патологии, выявляемые с помощью УЗИ:

- киста: неэхогеиное образование, стенки которого плохо прослушиваются. Однако при этом присутствует четкий эффект усиления.

- инфекционный процесс: УЗИ молочных желез в данном случае показывает утолщение кожи, которое сопровождается небольшим отеком.

- фиброаденома: УЗИ молочных желез показывает наличие образования, у которого длина больше ширины. Отличительной характеристикой являются гладкие стенки образований.

- папиллома: главный признак этой патологии - это кровянистые выделения из соска.

- галактоцеле: патология встречается только у кормящих матерей из-за застоя молока.

- воспаление лимфатического узла.

- РМЖ. которое будет характеризоваться большей высотой, а не шириной. Также на УЗИ молочных желез обнаруживается неоднородность тканей новообразования [13].

Компьютерная томография (КТ) - это рентгенологический метод диагностики, который заключается в том. что лучи проходят через ту или иную область тела под разными углами. После этого информация попадает в компьютер, где обрабатывается и формируется изображение среза ткани на определенной глубине. Установки для выполнения КТ похожи на те, что применяются для проведения магнитно-резонансного исследования [13].

КТ МЖ применяется для уточнения распространения опухолей в ретромаммарном пространстве (это область между большой грудной мышцей и железой), для верификации диагноза в случае наличия непальпируемой опухоли, недоступной для пункционной биопсии под контролем УЗИ и маммографии [14].

КТ не является скрининговым методом исследования. Обычно назначается для оценки обширной опухоли, с целью выяснения вопроса об операбелы-юсти опухоли и прорастания в грудную стенку, кроме того. КТ применяется для оценки состояния лимфатических узлов [14].

Магнитно-резонансная томография (МРТ) представляет собой неинвазивное исследование молочных желез.

МРТ подразумевает использование мощных магнитных полей, высокочастотных импульсов и компьютерной системы, которая позволяет получить детальное

изображение структуры МЖ. Ионизирующее (рентгеновское) излучение при МРТ не используется.

МРТ МЖ имеет следующие показания:

- ранняя диагностика раковых опухолей, не обнаруживаемых с помощью других методов, особенно у женщин с преобладанием железистой ткани в молочной железе, и у женщин с высоким риском развития рака;

- скрининговый метод диагностики для пациенток с силиконовыми имплантами или со шрамами молочной железы, которые затрудняют интерпретацию маммограмм;

- определение целостности имплантов молочной железы;

- дифференциальная диагностика между соединительной тканью послеоперационных шрамов и рецидивирующими опухолями молочной железы;

Список литературы диссертационного исследования кандидат наук Буланова, Юлия Анатольевна, 2014 год

Библиографический список

1. Женщины и рак: скрининг и лечение спасают жизни // ЕРБ ВОЗ. URL: http://www.euro.who.int/ru/health-topics/noncommunicable-diseases/cancer/news/news/2011/11 /women-and-cancer-screening-and-treatment-save-lives (дата обращения: 1.02.2012)

2. Состояние онкологической помощи населению России в 2011 году. Под ред. В.И. Чиссова, В. В. Старинского, Г.В. Петровой. - М.: ФГБУ «МНИОИ им. П.А. Герцена», Минздравсоцразвития России, 2012. ил. - 240 с. ISBN 978-5-85502-170-7

3. Роэ/скова Н. И. Скрининг рака молочной железы // Уральский медицинский журнал.2008. № 11. С. 46-50.

4. Чиссов В.И., Солодкий В.А., Пак Д.Д., Рожкова Н.И., Ермощенкова М.В., Киреева М.Н. Скрининг рака молочной железы: история и перспективы // Онкология, 2013.-N 2.-С.46-51.

5. New Technologies to Help Improve Mammography. URL: http://www.imaginis.com/mammography/new-technologies-to-help-improve-mammography (дата обращения: 20.01.2014)

6. ВОЗ: Рак молочной железы: профилактика и борьба. URL: http://www.who.int/cancer/detection/breastcancer/ru/index.html (дата обращения: 28.12.2013)

7. Статистика злокачественных новообразований. URL: http://www.ronc.ru/press-center/statistika-zlokachestvennyh-novoobrazovanij.html (дата обращения: 8.02.2014)

8. Рожкова Н.И. Лучевые методы обследования молочных желез //Спецвыпуск Лучевая диагностика, 2013. С. 28-29

9. Крымын И.В. Обзор рынка рентгеновской техники. Маммографы // Медтехника и медизделия. - 2004, №2 (19). - С.36-38

10. Нестеров С. А., Владымиркина М.С., Тропькына Л.В., Семенов Д. А. Особенности цифровой маммографии // Материалы конференции «Модниковские чтения», 2011 г.

11. Корженкова Г.П., Долгушин Б.И. Опыт использования цифровой маммографии // Радиология- практика 2009, № 6. С. 42-45

12. Заболотская Н.В., Заболотский B.C. Комплексное ультразвуковое исследование молочных желез // SonoAce-Ultrasound, 2000. - N6. URL: http://www.medison.ru/si/art85.htm (дата обращения: 25.11.2013)

13. Корженкова Г TI Комплексная рентгено-сонографическая диагностика заболеваний молочной железы, 1-е издание - М.: ООО «Фирма СТРОМ», 2004 - 128 е., ил.

14. Компьютерная томография. URL: http://www.mammology.info/tomografia.htm (дата обращения : 25.11.2013)

15. Магнитно-резонансная томография. URL: http://www.tiensmed.ru/news /mrtl .html (дата обращения: 25.11.2013)

16. Международная классификация болезней (МКБ-10)" (утв. Приказом Минздрава РФ от 27.05.97 N 170)

17. Лыиденбратеи ЛД Рекомендации по протоколированию результатов лучевых диагностических исследований молочных желез // Радиология-практика. №3.2001. С. 3639

18. Аналоговые маммографические системы. URL: http://www.bestmedtech.ru/x-ray/analogm/ (дата обращения: 15.02.2014)

19. Рентгеновский маммограф серии МАММО - МТ. URL: http://www.tiaramed.ru/Mammografy/MAMMO-MT.html (дата обращения: 15.02.2014) iCAD. Mammography CAD. TotalLook MammoAdvantage. URL: http://www.icadmed.com/products/mammography/totallook.htm (дата обращения: 25.11.2013)

20. Рожкова НИ, Чикирдии ЭГ, Рюдигер ЮГ, Кочетова ГП, Лысаченко ИВ, Якобе О Э Техническое обеспечение маммографии // Радиология-практика, 2001. - №1. -С. 20-23

21. Маммограф МАММОМАТ 3000 Nova. URL: http://www.lotus-med.ru/pages/postavki-oborudovanija/specialnye-predlozhenija/mammografija.php (дата обращения: 15.02.2014)

22. Аппарат рентгеновский маммографический Mammomat 10001шр://рентген-аппарат.рф/katalog-rentgen-apparatov/statcionarnye-rentgen-apparaty/apparat-rentgenovskiy-mammograficheskiy-mammomat-1 ООО

23. Рентгеновский маммограф Melody. URL. http://fujitora.com/rentgenovskii-mammograf-melodyb (дата обращения: 15.02.2014)

24. Пленка для маммографии KODAK Min-R Film. URL: http ://www. vympelmed.ru/catalog/plenka_dlya_mammografii_kodak_minr_film/ (дата обращения: 15.02.2014)

25. Рентгеновская пленка для маммографии KODAK. URL: http://www.gammamed.ru/3_4_l.html (дата обращения: 15.02.2014)

26. Маммографическая пленка AGFA. URL: http://www.techno-med.ru/consumables_for_radiography/xray_film/agfa-mamoray/ (дата обращения: 15.02.2014)

27. MAMORAY HDR-C Plus. URL: http://www.agfahealthcare.com/global/en/maiii/products_services/conventional_imaging_proces sing/mammography_films/mamoray_hdr_c_plus.jsp (дата обращения: 15.02.2014)

28. Рентгеновская пленка Agfa для маммографии. URL: http://www.sante.ru/rentgenodiagnostic/films/mammography_films.php (дата обращения: 15.02.2014)

29. Проявочная машина Mammography X-Ray Processor . URL: http://www.delrus.com/index.php?part_name=good&g_id=369 (дата обращения: 15.02.2014)

30. Проявочная машина автоматическая МиниМед МТ. URL: http://www.nv-lab.ru/catalog_info.php?ID=1019&Full=l (дата обращения: 15.02.2014)

31. Проявочная машина Kodak Min-R Mammography Processor. URL: http://www.megalix.ru/article/88/--kodak-min-r-mammography-processor (дата обращения: 15.02.2014)

32. Цифровой маммограф рентгеновский — Маммо-МТ Альфа. URL: http://11568.ua.all.biz/cifrovoj-mammograf-rentgenovskij-mammo-mt-alfa-g526741 (дата обращения: 15.02.2014)

33. Маммограф МАММО-Р. URL: http://www.rosmed.ru/scatalog/features/9427/ Mammograf_MAMMO_R (дата обращения: 15.02.2014)

34. Маммограф МАММО-Р. URL: http://www.kranex.ru/prod/rentgenology /mammograf/959/ (дата обращения: 15.02.2014)

35. Маммограф цифровой МАДИС. URL: http://www.medtechmarket.ru/ 25626/26606/ (дата обращения: 15.02.2014)

36. Маммограф цифровой МАДИС. URL: http://www.stmedik.ru/catalog/ x_ray_diagnostic_equipment/mammography_digital_madis/ (дата обращения: 15.02.2014)

37. Аппарат рентгеновский маммографический ASR-3000 X-ray. URL: http://www.8a.ru/print/25616.php (дата обращения: 15.02.2014)

38. Аппарат рентгеновский маммографический ASR-3000 X-ray. URL: http://w\\iA\'.ygtorgservis.ru/shop/UlD_28600.html (дата обращения: 15.02.2014)

39. Parascript. Medical Imaging. AccuDetect. URL: http://www.parascript.com/medical-imaging/ (дата обращения: 25.11.2013)

40. MedWOWGlobal. Компании медицинского оборудования. Scanis. URL:http://ru.medwowglobal.com/company/scanis/91190 (дата обращения: 25.11.2013)

41. iCAD. Mammography CAD. SecondLook Digital. URL: http://www.icadmed.com/products/mammography/secondlookdigital.htm (дата обращения: 25.11.2013)

42. iCAD. Mammography CAD. TotalLook MammoAdvantage. URL: http://www.icadmed.com/products/mammography/totallook.htm (дата обращения: 25.1 1.2013)

43. Computer-Aided Detection for Digital Mammography syngo MammoCAD. Siemens. 2008. C. 1-8. URL: http://www.medical.siemens.com/siemens/en_INT/ gg_sps_FBAs/files/brochures/cad/fmalpdfMammoCAD.pdf (дата обращения: 25.11.2013)

44. FUJIFILM Digital Mammography CAD URL: http://www.fujifilm.eu/eu/products/ medical-systems/ products/p/fujifilm-digital-mammography-cad/ (дата обращения: 25.11.2013)

45. New Technologies to Help Improve Mammography. URL: http://www. imaginis.com/mammography/new-technologies-to-help-improve-mammography (дата обращения: 17.01.2014)

46. Линделбратен Л. Д. Бурдыиа Л. М. Пинхосевич Е. Г. Маммография. - М.: Видар, 1997,- 118 с.

47. Moradmand Я., Setayeshi S., Karimicm A.R., Sirous М, Esmcteil М. Comparing the Performance of Image Enhancement Methods to Detect Microcalcification Clusters in Digital Mammography // SID. Vol.5, No.2, 2012. - p. 61-68

48. Rahmati P., Hamarneh G., Nussbaum D., Adler A. A New Preprocessing Filter for Digital Mammograms // Image and Signal Processing. Volume 6134, 2010. pp. 585-592

49. Garg R., Mitlal В.. Garg S. Histogram Equalization Techniques For Image Enhancement//IJECT, vol.2, issue 1, 2011. pp. 107-111

50. Zuiderveld K. Contrast limited adaptive histogram equalization// Graphics Gems Iv, Paul Heckbert, Ed., vol. IV. Academic Press, Boston. 1994. P. 474-485.

51. P.Ravi Sankar, B.K.N Srinivasa Rao Parallel Architecture for Implementation of Contrast Limited Adaptive Histogram Equalization, International Journal of Advanced Engineering sciences and Technologies (IJAEST), Vol №10, Issue №1, pp. 047 - 051.

52. Rajesh kumar Rai, Pur an Gour, Balvant Singh Underwater Image Segmentation using CLAHE Enhancement and Thresholding, International Journal of Emerging Technology and Advanced Engineering, Volume 2, Issue 1, January 2012, pp. 118 - 123.

53. Tortajada M., Oliver A., Marti R, Vilagran M. et al. Adapting Breast Density Classification from Digitized to Full-Field Digital Mammograms // IWDM 2012, LNCS 7361, pp. 561-568, 2012. pp. 561-568

54. GokilaDeepa.G Mammogram Image Segmentation Using Fuzzy Hybrid with Particle Swarm Optimization (PSO) // IJEIT, Volume 2, Issue 6, December 2012. pp. 167-171

55. Sun Y. Normal Mammogram Analysis // Thesis, 2004 p. 131

56. Xing Y., Huda W., Lame A. el al. Comparison of a dyadic wavelet image enhancement algorithm with unsharp masking and median filtering for mammography // SPIE Vol. 2434, 2010. pp. 718-729

57. Anguh M. and A. Silva Multiscale Segmentation and Enhancement in Mammograms // The 6th Brazilian Image Processing Symposium SIBGRAPI' 1997,, SP, Brazil, pp: 14-17

58. Haralick R M., Shanmugan K., Dinstein I. Textural Features for Image Classification // IEEE Transactions on systems, man and cybernetics, 1973. - vol. SMC-3, No. 6. -P. 610-621.

59. Serge Beucher and Cristian Lantuejoul Use of watersheds in contour detection // In International workshop on image processing, real - time edge and motion detection. France. 1979.pp.2.1-2.12

60. Leila Shafarenko and Maria Pelrou Automatic Watershed Segmentation of Randomly Textured Color Images // IEEE Transaction of Image Processing, 1997. Vol.6, No.l 1, pp. 1530-1544

61. Luo S.-T., Cheng B.-W. Diagnosing Breast Masses in Digital Mammography Using Feature Selection and Ensemble Methods // J Med Syst, vol. 36, no.2, 2010. pp. 569-577

62. Cheng E., Xie N., Ling H., Bakic P.R Mammographic Image Classification Using Histogram Intersection // Biomedical Imaging: From Nano to Macro, 2010 IEEE International Symposium, April 2010, pp. 197-200

63. Tipping M. E. Sparse Bayesian learning and the relevance vector machine // Journal of Machine Learning Research, vol. 1, pp. 211-244, Aug 2001

64. Duda R., Hart P., Stork D. Pattern Recognition , 2nd ed., Wiley, 2002

65. Rcighavan G. Mammogram Analysis: Tumor Classification // EE 38IK -Multidimensional Digital Signal Processing, 2005, p. 10

66. Wei L., Yang Y., Nishikawa R.M., Wernick M.N., Edwards A. Relevance vector machine for automatic detection of clustered microcalcifications // IEEE Trans Med Imaging. Vol. 24, no. 10 2005. pp. 1278-1285.

67. Ахметшнн A.M., Федорепко A.E. Сегментация низкоконтрастных изображений с применением иерархической модели Марковского случайного поля // Искусственный интеллект, №4, 2002. - С.414-421

68. Садыков С.С.,. Буланова Ю.А, Захарова Е.А. Компьютерная диагностика новообразований на маммографических снимках// Компьютерная оптика. 2014. т. 38, №1. С. 131-138.

69. Pcmjwani D., Healey G. Markov random field models for unsupervised segmentation of textured color images // IEEE Transactions on Pattern Analysis and Machine Intelligence, 17(10):939—954, 1995.

70. Садыков С.С., Захарова Е.А., Буланова Ю.А. Технология выделения кисты на маммограмме // Вестник РГРТУ. № 1 (выпуск 43). 2013. С.7-11. ISSN 1995-4565

71. Садыков С.С., Савичева С.В. Предварительная обработка изображений плоских объектов в системах технического зрения // Изв. ВУЗов. Приборостроение. 2012. Т. 55, № 2. С. 19-23

72. Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2005. - 1072 с.

73. Прэтт У. Цифровая обработка изображений: Пер.с англ. - М: Мир, 1982, кн.1-312с.; кн. 2 - 493с.

74. Сойфер В. А. Методы компьютерной обработки изображений. - 2 изд., испр. -М.: ФИЗМАТЛИТ, 2003. - 784 с. - ISBN 5-9221-0270-2

75. Садыков С.С., Буланова Ю.А., Яшков B.C. Алгоритм локализации области фиброаденом на маммограмме // Алгоритмы, методы и системы обработки данных. 2013. № 3. С. 64-73.

76. Sadykov S.S., Bulanova У.A. Algorithm of localization of breast cancer in the background of mastopathy // 11th International Conference on Pattern Recognition and Image Analysis: New Information Technologies (PRIA-1 1-2013), 2013. - vol. 2. - P. 717-721.

77. Садыков С.С.,. Буланова Ю.А, Романов А.Г. Алгоритм текстурной сегментации для выявления областей кисты на маммограммах// Алгоритмы, методы и системы обработки данных. 2013. №19. С. 50-55.

78. Федров А. Бинаризация черно-белых изображений: состояние и перспективы развития. URL: http://it-claim.ru/Library/Books/ITS/wvvwbook/ist4b/its4/fyodorov.htm (дата обращения: 1.12.2013 г.)

79. Садыков С.С., Буланова Ю.А., Захарова Е.А. Методика выявления рака молочной железы//Алгоритмы, методы и системы обработки данных. 2012. № 19. С. 168178.

80. Буланова Ю.А. Использование информационных технологий для локализации области рака молочной железы на маммограммах с преобладанием железистого компонента // Прикаспийский журнал: управление и высокие технологии, №3 (23), 2013. С. 100-111

81. Pitas I. A new filter structure for the implementation of certain classes of image proessing operations. / Pitas I., Venetsanopoulos A.N. // IEEE Transactions on circuits and system. - 1988, Vol. 35, № 6. - Pp. 636 - 646

82. Дюран Б., Оделл П. Кластерный анализ. Пер. с англ. Е.З. Демиденко. Под ред. А.Я. Боярского. М.: Статистика, 1977. с. 128

83. База данных MIAS. URL: http://peipa.essex.ac.uk/info/mias.html (Дата обращения: 14.03.2014)

84. Suckling J, et al. The Mammographie image analysis society digital mammogram database", Exerpta Medica International Congress Series 1994; 1069: 375-8

85. Брумштейн Ю.М., Скляренко E.B., Мальвииа A.C., Аксенова 10.Ю., Кузьмина А.Б. Системный анализ направлений и особенностей информатизации сферы здравоохранения России // Прикаспийский журнал: управление и высокие технологии, 2013.-№4 (24)-С. 73-86

86. Щербаков С. На стыке двух эпох: Планшетный сканер Epson Perfection V750 Pro II Foto&Video № 7, 2006 - с. 60-65

87. Реброва OJO. Статистический анализ медицинских данных. Применение пакета прикладных программ Statistica, М.: МедиаСфера, 2002. 312 с.

88. Юнкеров В.И., Григорьев С.Г. Математико-статистическая обработка медицинских исследований. - СПб.: ВМедА, 2002. - 266 с.

89. Трошин ЛИ, Бамии В А, Бапаш ОС Статистический анализ нечисловой информации. / Московский государственный университет экономики, статистики и информатики. - М., 2003. - 67 с.

90. Садыков СС, Бупанова ЮА, Захарова ЕА Алгоритм выделения области кисты на малоконтрастных маммограммах//Информационные технологии, №8, 2013 С. 53-57. ISSN 1684-6400

91. Садыков С С, Захарова ЕА , Буланова ЮА Использование информационных технологий для выявления области кисты молочной железы на маммограммах //Вестник рентгенологии и радиологии №3, 2013 С 15-20 ISSN 0042-4676

92. Садыков С С, Захарова ЕА , Бупанова ЮА Идентификация новообразований молочной железы с использованием скрытых марковских полей //Вестник РГРТУ. №4 (выпуск 46), 2013. С. 44-47. ISSN 1995-4565

93. Садыков СС, Захарова ЕА, Бупанова ЮА Методика выявления области кисты молочной железы на маммограмме//Алгоритмы, методы и системы обработки данных. 2012. № 22. С. 89-103. ISSN 2220-878Х

94. Садыков С С, Бупанова Ю А , Захарова Е А Диалоговая система анализа маммографических снимков //Алгоритмы, методы и системы обработки данных. №19 2012 г.. С. 155-187. ISSN 2220-878Х

95. Захарова ЕА, Бупанова ЮА Обзор медицинской системы КМИС и формирование статистики заболеваемости молочных желез//Алгоритмы, методы и системы обработки данных. 2012. №19. С. 54-61 ISSN 2220-878Х

96. Садыков СС, Бупанова ЮА, Захарова ЕА, Каряев В В Автоматизация обнаружения новообразований на маммографических снимках Труды международного симпозиума "Надежность и качество" 2012. Т. 2 С 376-379

97. Садыков СС, Бупанова ЮА, Захарова ЕА, Яшков ВС Исследование маркерного водораздела для выделения области рака молочной железы //Алгоритмы, методы и системы обработки данных 2013 №23 С 56-64 ISSN 2220-878Х

98 Садыков СС, Бупанова ЮА, Яшков ВС Предварительная обработка маммографических снимков // Труды международного симпозиума "Надежность и качество". 2013 Т. 1,С. 340-343

99. Садыков С С, Бупанова ЮА , Захарова ЕА Алгоритм распознавания рака на маммографических снимках // Оптико-электронные приборы и устройства в системах

распознавания образов, обработки изображений и символьной информации. Распознавание -2012: сб. матер. X Междунар. науч.-техн. конф. Курск, 2012, С. 306-307

100 .Буланова Ю.А. Алгоритм выделения области кисты на маммограмме //Ломоносов-2013: Материалы XX Международной научной конференции студентов, аспирантов и молодых ученых: секция «Вычислительная математика и кибернетика»; 9-12 апреля; Москва, МГУ имени М.В. Ломоносова, факультет ВМК: Сборник тезисов/Сост. Месяц А.И., Шевцова И.Г. - М.: Издательский отдел факультета ВМК МГУ (лицензия ИД 05899 от 24.09.2001)), 2013.С. 95

101 .Садыков С.С., Захарова Е.А., Буланова Ю.А. Автоматическая система обработки и анализа маммограмм //Материалы XVIII Международной конференции по вычислительной механике и современным прикладным программным системам (ВМСППС 2013), 22-31 мая 2013 г., Алушта,- М.:Изд-во МАИ, 2013. С 12-14

\02.3ахарова Е.А., Буланова Ю.А. Применение информационных технологий для выявления рака молочной железы на маммограмме //Материалы VII всероссийского национального конгресса лучевых диагностов и терапевтов «РАДИОЛОГИЯ-2013», 29-31 мая, 2013. С. 310-311

\03.Садыков С.С., Буланова Ю.А., Селюмипов И.И. Применение информационных технологий для выявления рака молочной железы на маммограммах // Труды XI Международной научно-технической конференции "Распознавание 2013", Курск, 2013. -С. 78

104.Садыков С.С. Автоматизированная обработка и анализ маммографических снимков: монография/ С.С. Садыков, Ю.А. Буланова, Е.А. Захарова; Владим. гос. Ун-т им. А.Г. и Н.Г. Столетовых,- Владимир: Изд-во ВлГУ, 2014. - 208 с. ISBN 978-5-9984-0474-0

Эталон 1 Эталон 2 Эталон 3 Эталон 4

Эталон 5 Эталон 6 Эталон 7 Эталон 8

Эталон 9 Эталон 10 Эталон 11 Эталон 12

■

Эталон 13 Эталон 14 Эталон 15 Эталон 16

Эталон 17 Эталон 18 Эталон 19 Эталон 20

Рисунок А.1 - Тестовые изображения кисты молочной железы

145

Эталон

Эталон 2

Эталон 3

Эталон 4

Эталон 5

Эталон 6

Эталон 7

Эталон 8

Рисунок Б.1 - Тестовые изображения фиброаденомы молочной железы

инволюция)

Эталон

Эталон 4

Эталон 7

Эталон 8

Эталон 11

Эталон 12

Ж

Эталон 13

Эталон 14 -

Эталон 15

Эталон 16

Эталон 17

Эталон 18

Эталон 19

Эталон 21

Эталон 22

Эталон 23

Эталон 20

Рисунок В.1 - Тестовые изображения РМЖ молочной железы (жировая

инволюция) 147

Эталон

Эталон 2

Эталон 3

Эталон 4

Эталон 5

Эталон 6

Эталон 7

Эталон 8

Эталон 9

Эталон 10

Эталон 11

Эталон 12

Эталон 14

Эталон 15

Эталон 16

Эталон 17

Эталон 18

Эталон 19

Эталон 20

Рисунок Г.1 - Тестовые изображения РМЖ молочной железы (ФКБ)

ИНИБ1 щш-

Эталон 1 Эталон 2 Эталон 3 Эталон 4

Эталон 5

Рисунок Д.1 - Тестовые изображения РМЖ молочной железы (Аденоз)

РССХССТ1ЙЖАШ ШЩШРжММШ

"л ъ Й а &

¡3 К1? И й ¡3 гл

11 \ ПО 1 Ь ЯIN Ю МО иль

Л» 137139

УСТРОЙСТВО ДИЛГНОС ГИКИ ОБД АО и НОВООБРАЗОВАНИЯ ТИПА "КИС ГА МОЛОЧНОЙ ЖКЛКШ" ПА МАММОГРАММАЧ

11,11с 1пооб, 1,и.нс п.( по Си/)ьн<ои Сушит Сндыкочнч (КЬ), Иу'Кшови Ю./ия Лпчшо 1ьсшш (НV)

\|но|)(п) Са<)ым>в Су ипаи Сидымншч (ИИ), Бу.кикнш 10 тн Анчто.чьешш (И11)

1..ИПК,, V- 201313.Ч09Л

1 |р||ири КЧ НО и !1,ОН \,0,1. III К) ИЮЛИ 2013 I . * НК I 1К 1 ририи И'О II I 01 \ I ф^ II ГННОМ р, (Ч грс НО 1,МН1 |\

мо и1 юн Рк I ит мт 'IV и р тн» 27 иняаря 20 14

( ро|С К III I I ПН II П ИТ I 1К К I К-1 1 (> !! 10 III 202.3 I .

/ 7/м;,;<" чю <Р< (II ¡>а зьиои < н/мбы по ШИШ I П'кии^иънои <,')()< 'ПвГЫНОППП

/> II Стюпоь

) й а ® й а й к м е я й й 2 а ¡3 й « й й ^ я а е а й й а а е а

к

Я

1

И \ ПО II !1|\ Ю МО И II.

136612

УСТРОЙСТВО ДИАГНОС1 ики области НОВООБРАЗОВАНИЯ I И НА "РА 1С МОЛОЧНОЙ ЖЕЛЕЗЫ" НА МАМ МО I 1'ЛФИЧЕСКИХ СНИМКАХ

II нснкюГта иис н.( щ) Садмиов С) шит Сидыкоаич (В.1!), Ну к/но(!(1 Ю'шн 411(нт> 1ьемк1 (ЯС')

\нк>р(ы) Садыкоа С\ ипан Сидыыоаич (Ш'), Ну шпоьи Ю пш Лиато ¡ьевиа (1\С')

?1Я1К1 ч»2013107(>3ь

МрИОрХШ ПО 1С ШСИ МО И- 111 20 февра III 201 Ч I

3 Чр(_I 111 I ¡111 рок Ши И I 0( \ 1 1|Н 1 1« ИНОМ |КЧ ( I р< ПО 11 !Н| !\

мо к. 'сп I'<>1 с пш I он Ф> [српиш 10 января 2014 г С рш и 111 I НИ 1 I! 111.11 1 ПК К К 11 I 20 фсвр.1 111 202 < I

¡'уьовоОшт 1Ь Ф< д//хпыюп < ишбы по интг I ¡рктцгпыюи собстгк I нтти

1> II ( имопои

Приложение 3 - Свидетельство о государственной регистрации программы для ЭВМ

, * "ßi

& й S3 ET- 3s Ш ßM Bs

ig ^ ^ Kg

ДЕТЕЛ'ЬСТВО

о 10с)дарсгвсш10и peíiicipamut иршрдммы ля ORM

№ 2013616037

Сис1сма обрабопси и анализа маммографических снимков

Правообладатели Булаиоаа fOnui Анатольевна (RÜ). Захарова Елена А ¡с кс ее в и a (RÚ), Садыков Су шиш Сидыкоаич (RU)

\вюры Буданова Юлия Аиатопьевна (RU), Захарова С tena A /сксеевна (RU), Сады ко в Cvinian Сидыкоаич (RU)

1ЧЯ8МЛ2 2013611216

Длг nOL-n плення 20 февраля 20 П 1.

Д,11<1 101. flipCItlUlllOM pL I ИСI ря| Ulli

11 IWrpc ripoipw M i 1Я JBM 25 ШОНН 2013

1'vhofíodume.ih Федерспыюи с ',\окоы по итпеилемт (аьной собственности

b II Симонов

& Í2 й $ 3 "-3 Е й 3 S "S r£ 5? « í>" " Й Гг х- ^ % К \< <■ v & Й

УТВЕРЖ

//

об использовании результатов диссертацион

степени кандидата технических наук Булановой Юлии Анатольевны «Автоматизированная система обработки и анализа маммографических снимков» в учебном процессе Муромского института (филиала) Владимирского государственного университета имен А.Г. и Н.Г. Столетовых

Мы, нижеподписавшиеся зав. кафедрой «Информационные системы»(ИС) д.т.н., доцент Д.Е. Андрианов и доцент кафедры ИС, заместитель заведующего к.т.н. C.B. Еремеев, настоящим актом удостоверяем использование материалов диссертации Ю.А. Булановой «Автоматизированная система обработки и анализа маммографических снимков» представленной на соискание ученой степени кандидата технических наук в учебном процессе кафедры ИС МИВлГУ для подготовки бакалавров направления 230400 «Информационные системы» и специалистов по специальности 230301 «Информационные системы и технологии».

Основные результаты диссертации вошли в состав курсовых, лабораторных и практических занятий по дисциплине «Методы и системы цифровой обработки изображений».

д.т.н., доцент

Зав. кафедрой ИС

Зам. заведующего каф. ИС, к.т.н.

C.B. Еремеев

УТВГ.РЖДАЮ

Главный врач НУЗ отделенческой больницы

ОАО «РЖД», 1Слу'^С1111ыД-1тра'1 1'Ф

Л.11. Сафнулов

2014 I.

внедрении ре !\Д1, таит диесерти1И(<Гнцй^1Ш01ся(Г1ЦИ1,пГ1 лааиком Ю.А.

Ч- : -7

ПК"'. '-V/

Комиссия н составе врача-реннеполога мам.могрЛфпче<5к6го отделения больницы на скш-11ИИ Муром ОАО «РЖД» . ирача высшей квалификационной категории Захаровой Е.А . заведующего кафедрой «Информационные системы)» Муромского институт (филиал) ФГБОУ НПО Владимирского государственною университета имени А Г. и Н.Г. Столе ю-вых. доктора технических на)к. доцента Андрианова Д.II . старшею преподавателя кафедры «Информационные системы» Муромскою института (филиал! ФГ'ГОУ НПО Владимирскою государственного ишверептек) имени А Г. и Н.Г. Столетовых Ьулановой Ю.А. подтверждает, что результаты диссертацнонных исследований Будановой Ю.А и виде программного продукта «Автоматизированная система обработки и анализа маммографических снимков» применяются при обследовании нацистов в маммографическом отделении ПУЗ отделенческой ботьницы на станции Муром ОАО «РЖД» Система обеспечивает высок\то точность и объективность дпагпостпкм заболеваний молочной железы

Врач-рен I геиолог маммографического отделения НУЗ отделенческой больницы на станции Муром ОАО «РЖД». врач высшей кваднфнкацпониой категории

£

7

Г..А. ,5лхаровн

20)4 г.

Зав кафедрой «Информационные системы» МИ 13лГУ, д.г н.. доцент

Старший преподаватель кафедры ИС Ю.Д. 1>\ламова 2014 г.