Здійснено порівняльний аналіз алгоритмів кластеризації ( k-means, FCM, HCM, GK, FAFCM, FCM-SOM, алгоритму гібридної кластеризації ), Досліджено ступінь їх ефективності (при варіюванні різних параметрів), доступності та застосовності до практичного використання при аналізі мамографічних знімків.

Анотація наукової статті з комп'ютерних та інформаційних наук, автор наукової роботи - Спірінцев В.В., Гоголюк О.Ю.


THE ANALYSIS OF MAMMOGRAPHIC ROENTGENOGRAM WITH USING THE CLUSTERING ALGORITHMS

The comparative analysis of clustering algorithms is carried out ( k-means, FCM, HCM, GK, FAFCM, FCM-SOM, an algorithm of a hybrid clustering ). The level of their efficiency (for varying parameters), accessibility and the ability of practical use while analyzing the mammographic roentgenograms is studied.


Область наук:

  • Комп'ютер та інформатика

  • Рік видавництва: 2017


    Журнал: Вісник Херсонського національного технічного університету


    Наукова стаття на тему 'АНАЛІЗ мамографічного ЗНІМКІВ З ВИКОРИСТАННЯМ АЛГОРИТМІВ КЛАСТЕРИЗАЦІЇ'

    Текст наукової роботи на тему «АНАЛІЗ мамографічного ЗНІМКІВ З ВИКОРИСТАННЯМ АЛГОРИТМІВ КЛАСТЕРИЗАЦІЇ»

    ?004.93

    У В. СШРІЦЕВ, А.Ю. Гоголюк

    Дншропетровській нацiональний ушверсітет iм.Олеся Гончара

    АНАЛ1З МАМОГРАФ1ЧНІХ ЗН1МК1В З Використання АЛГОРІТМ1В КЛАСТЕРІЗАЦП

    Здшснено nopienMMbnrn anani3 amopumMie кластеризації (k-means, FCM, HCM, GK, FAFCM, FCM-SOM, алгоритму гiбpuднoi кластеризації), до ^ Джено cmyniHb ix eфeкmuвнoсmi (при вapiювaннi pi-зних napaMempie), docmynHocmi i здamнoсmi до практичного использование при аналз мaмoгpaфiчнuх 3HiMKie.

    Ключoвi слова: клaсmepuзaцiя, мaмoгpaфiя, FCM, HCM, FAFCM, K-MEANS, гiбpuднa клaсmepuзaцiя.

    В.В. СШІРІНЦЕВ, А.Ю. Гоголюк

    Дніпропетровський національний університет ім.Олеся Гончара

    АНАЛІЗ мамографічного ЗНІМКІВ З ВИКОРИСТАННЯМ АЛГОРИТМІВ

    КЛАСТЕРИЗАЦІЇ

    Здійснено порівняльний аналіз алгоритмів кластеризації (k-means, FCM, HCM, GK, FAFCM, FCM-SOM, алгоритму гібридної кластеризації), досліджено ступінь їх ефективності (при варіюванні різних параметрів), доступності та застосовності до практичного використання при аналізі мамографічних знімків.

    Ключові слова: кластеризація, мамографія, FCM, HCM, FAFCM, K-MEANS, гібридна кластеризация.

    V.V. SPIRINTSEV, A.Yu. HOHOLIUK

    Dnepropetrovsk National University named after Oles Honchar

    THE ANALYSIS OF MAMMOGRAPHIC ROENTGENOGRAM WITH USING THE CLUSTERING ALGORITHMS

    The comparative analysis of clustering algorithms is carried out (k-means, FCM, HCM, GK, FAFCM, FCM-SOM, an algorithm of a hybrid clustering). The level of their efficiency (for varying parameters), accessibility and the ability of practical use while analyzing the mammographic roentgenograms is studied.

    Keywords: clustering, mammography, FCM, HCM, FAFCM, K-MEANS, hybrid clustering.

    постановка проблеми

    Одним i3 найпошірешшіх від1в онколопчніх захворювань среди жшок за данімі ВООЗ (Всесвггаш оргашзацп охорони здоров'я) е рак молочно! залоза. Для дiагностики онколопчніх захворювань застосовують мамографш [1] - нешвазівній рентгенолопчній метод дослщження молочних залоза. 1снуе много видiв мамографи, шкірні з якіх травні сво! Преимущества та недолiкі, та спеціфшу дiагностування. Аналiз зшмшв при цьом НЕ дае однозначної дiагнозу, осшлькі Залежить вщ квал! Ф! Кацп лшаря та его суб'єктивні! думки. Використання алгорштшв кластерізацп при аналiзi мамографiчніх збережений дозволяе знізіті ризики встановлення Хибне дiагнозу пацiентам та усунуті суб'єктивні складових людського фактору [2].

    Аналiз останшх досл1джень та публжацш

    Зараз вікорістовуеться безлiч методiв кластерізацп, что iстотно вiдрiзняються мiж собою за рiзнімі Показники: тип віхщніх Даних, чутлівiсть, швідк1сть ді, шльшсть управляючих параметрiв та iн. [2]. Серед шструменпв, что найбiльш часто Використовують для Виконання кластерізацп, відшяють методи нечікох логiкі, нейроннi мереж! та нейро-фаззi алгоритми (якi включаються Преимущества як методiв нечгткох лопкі так i нейронних мереж). Стад вхдзначіті, что неоднозначнiсть процедури дефаззіфжацп нечiткіх методiв та нейро-фаззi алгорштшв ютотно вплівае на ефектівнiсть та яшсть кінцевого результату [3]. У данш робот пропонуеться здiйснюваті аналiз мамографiчніх збережений на основ! алгоршшв кластерізацп (k-means, FCM, HCM, GK, FAFCM, FCM-SOM, алгоритму пбрідно! кластерізацп [4]) при р! зних параметрах (експоненцшна вага, виб! р метрики при дінашчному стіснеш) та дослщіті ефектівнють Даних алгорштшв для Виявлення новоутворень у молочнш залоза! та мшрокальцінапв (вщкладення солей кальцш).

    Формулювання мети дослщження

    Здшсніті пір! Вняльній анал! З результапв роботи алгорштшв кластерізацп та віявіті оптімальш параметрів для відшення новоутворень молочно1 залоза на мамограф! Чних зшмках.

    Викладення основного матерiалами дослвдження На рис.1 наведено результат роботи алгоршшв (Л ^ еаш, FCM, HCM, GK, FAFCM, FCM-SOM, алгоритму пбрідно! Кластеризації) при однаково параметрах (експоненц1альна вага дорiвнюe 2; к1льк1сть нечiткіх кластерiв - 5; крітерiй Зупини - 0,00001) для Виявлення новоутворень. Для вах алгорітмiв, крiм Л ^ еаш, Використано спосiб вiзуалiзацu порiвняння з початкових данімі [5], а для &-теаш - вiзуалiзацiя на основi кластерiв [6] (це обумовлено тім, что в даного алгорітмi НЕ розраховуеться матриця належностi).

    Мал. 1. Результат роботи алгорштшв кластеризації а) - А-шеаш; б) - КСМ; в) - НСМ; г) - КАКСМ; д) - ОК; е) - КСМ-80М;

    ж) - алгоритм пбрідноК кластеризації

    Результат аналiзу (див. Рис.1) показавши неефектівнють роботи алгорітмiв &-теаш та FAFCM у порiвняннi з шшімі алгоритмами. Щодо алгоритму GK (хоча вiн i вікорістовуеться здеб№шого для багатовімiрніх збережений) результат его роботи iз напiвтоновім збережений вражае, оскшькі необхвдна область чiтко відшена.

    У табл. 1 наведено результати швідкодп запропонованіх алгорітмiв кластеризації.

    Таблиця 1

    _Результаті швідкодii алгорштшв кластерізацii_

    Алгоритм кластеризації Час Виконання, з

    Л ^ еа ^ 0.36

    FCM 5.8702

    НСМ 1.424

    FAFCM 3.0188

    GK 2.1423

    FCM-SOM 7.9572

    Пбрідна кластерізацiя 6.2245

    Аналiз Даних з табл. 1 показуем, что швідшсть ді Найвища у алгоритму Л ^ еа ^ при найгiршому результатi якостi отриманий зображення; далi за швідкодiею вщзначімо алгоритми НСМ та GK (в 2-3 рази швідше за стандартний FCM), якi такоже ефективного відмють область новоутворення молочно! залоза. Щодо алгоршшв, ЯК-1 ма ють у сво! Й архiтектурi нейронну ятір, швідк1сть! Х ді е найніжчою, что пояснюеться складним механiзм роботи.

    Подальшi ді Було спрямовано на дослiдження впліву експоненщально! ваги для базового алгоритму FCM на результат ОБРОБКИ мамографiчного зображення (рис.2). Загаль, цею параметр Використовують для знаходження матріцi вщстаней. Було звертаючись наступнi Параметри: шльшсть нечiткіх кластерiв дорiвнювала 5; крітерш Зупини Складанний 0,00001; експоненцiальну Вагу змiнювалі вiд 2 до 7.

    г) д) е)

    Мал. 2. В1зуал1защя результату роботи алгоритму FCM при ЗМШ експоненщально! ' ваги: ​​а) - 2; б) - 3; в 4; г) - 5; д) - 6; е) - 7

    Результат анал! Зу (див. Рис.2) показавши: збшьшення значення експоненщально1 ваги зніжуе яшсть результуюча зображення (відшення кластер! В) та збшьшуе годину ОБРОБКИ. Оптимальне значення параметра е значення 2 i 3.

    1ншій направление дослщжень стосувався Вивчення впліву метрики при динам! Чном стісненш [4] на результат ОБРОБКИ (рис.3). Було звертаючись наступш Параметри: кшьшсть нечгткіх кластер! В дор! Внювала 20 (! З надлишком); крітерш Зупини Складанний 0,00001; експоненщальна вага - 2; вщсоткове сшввщношення м1ж максимально та мшмальною вщстанню центр! в нечітких кластер! в становило 0,05. Кр! М Евклщово1 метрики, такоже Використано зваження Евклщову вщстань.

    Мал. 3. В1зуал1защя результату роботи алгоритму FCM при процентному стввщношенш: а) - 10%; б) - 50%; в) - 90%

    Таблиця 2

    _Шор1вняльній анал! З першої години роботи за рпніх вістаней_

    Евклiдова вiдстань, з зважено Евклвдова ввдстань, з

    8.5321 2.9632

    8.2014 2.5571

    8.3821 2.6457

    8.3814 2.5686

    1З рис.3 та табл. 2 видно, что использование звічайно1 Евклщово1 ввдсташ е б! Льш ефективного у пор! Внянш з! зваження Евклщовою ввдстанню, проти годину Виконання алгоритму е почти у Тріч! бшьшім. Тому постав проблема Вибори м! Ж як1стю результату та годиною Виконання. ВРАХОВУЮЧИ специф! Ку практічно1 спрямованосп (обробка мамограф! Чного зтмку), вважаемо за потр! Бне надаті предпочтение якосп результату ОБРОБКИ.

    Такоже виконан nopIBHHHHH роботи алгоритму нечггко1 FCM та пбрідно1 кластеризації [4] з метою Отримання ввдповщ на харчування: чи доцшьно використовуват пбрідну кластерізацш для відшення новоутворень на мамографiчніх знiмках (рис.4). Для ціх двох алгоршшв Було звертаючись наступнi Параметри: к1льк1сть нешткіх кластерiв дорiвн: Ює 20 (i3 надлишком); крітерiй Зупини 0,00001; експоненцiйна вага 2; Процентні спiввiдношення мiж максимально та мшмальною ввдстанню центрiв нечітких кластерiв 0,05. Для нейронно1 мереж1 SOM, что входити до алгоритму пбрідно! кластерізацii Використано наступнi Параметри: числове значення, что задати споаб збiльшення кiлькостi кластерiв перед Використання SOM дорiвнюе 2; для методу стисненого кiлькостi кластерiв пiсля использование SOM звертаючись вибiр нейронiв iз максимально к1льк1стю належно до них початкових Даних.

    а) б)

    Мал. 4. В1зуал1защя результату роботи алгорштшв: а) - КСМ; б) - пбрідно1 кластеризації

    1З рис. 4 очевидно, что алгоритм пбрідно! кластеризації НЕ дае змогі дешіфруваті мамографiчній знiмок через вісок1 пiкі контрасту в обласп новоутворення (рис. 5).

    а) б)

    Рис .5. Пстограмі результату ОБРОБКИ мамограф1чного зн1мку алгоритмом: а) - КСМ; б) - пбрідно1 кластеризації

    Подальшi дослiдження (рис.6) Було спрямовано на! Застосування алгоршшв кластеризації FCM, НСМ, FCM-SOM (при однаково параметрах - попереднiй дослщ метод вiзуалiзацil - порiвняння iз початкових данімі) для відiлення мжрокальцінапв (ввдкладення солей кальцш), что зустрiчаеться Досить часто на практіцi . Даш вщкладення з'являються на мiсцi Загибла чи змiненіх тканин в наслщок запальний процесiв. Если смороду маленьш (зерністi), то на мамограмi! Х Важко розпiзнаті або можна зплутаті iз дефектом плiвкі.

    Рис.6. В1зуал1защя результат1в роботи алгорітм1в: а) - вхвдт дат; б) - HCM; в) - FCM; г) - FCM-SOM

    Жодний iз наведенням вищє алгоршшв НЕ дае змогі відшіті так маленьш об'єкті як мшрокальцінаті (рис. 6). Отриманий результат бшьше схожий на шум, хоча Контури пухлини чiтко відiленi. Тому робимо Висновок, что алгоритми кластерізацii FCM, НСМ, FCM-SOM е неефективно при відшенш мiкрокальцінатiв на мамографiчніх зшмках.

    Висновки

    У данi роботi здiйснення аналiз мамографiчніх Зображення з Використання алгорішв кластеризації Л ^ еаш, FCM, НСМ, GK, FAFCM, FCM-SOM, алгоритму гiбрідноi кластеризації. Результат аналiзу показавши неефектівнiсть роботи алгоршшв k-means та FAFCM. Стосовно швідкоді запропонованіх алгорітмiв кластеризації швідшсть дii Найвища у алгоритму до ^ еаш, при найгiршому результатi якостi отриманий зображення; далi за швідкодiею вщзначімо алгоритми НСМ та GK (в 2-3 рази швідше за стандартний FCM), ЯК-1 кож ефективного відiляють область новоутворення молочно! залоза. Щодо алгорітмiв, ЯК-1 ма ють у свошу архiтектурi нейронну ятір - швідшсть ді найніжча, что пояснюеться складним механiзм роботи. У роботi експериментально показано, что збшьшення значення експоненцiйноi ваги для базового алгоритму FCM зніжуе яшсть результуюча зображення (відшення кластерiв) та збiльшуе годину ОБРОБКИ; визначили оптимальні значення параметру експоненцшно! ваги. Результат аналiзу впліву метрики при дінамiчному стісненнi на результат ОБРОБКИ показавши, что Використана звичайно! Евклiдовоi вiдстанi е бiльш ефективного у порiвняннi зi зваження Евклщовою ввдстанню, проти годину Виконання алгоритму е почти у трічi б№шім. Такоже Було порiвняно роботу алгоритму нечiткоi та гiбрідноi кластерізацii та Зроблено Висновок про! Х неефектівшсть при відiленнi новоутворень. В робот експериментально доведено неефектівнiсть! Застосування алгоршшв кластерізацii FCM, НСМ, FCM-SOM для відшення мжрокальцінапв на мамографiчніх зшмках.

    Результату роботи могут буті вікорісташ при розробцi Нових Унiверсальна або модіфжаці Вже iснуючіх алгорітмiв з визначеними крітерiямі! Х ефектівностi для ОБРОБКИ конкретного типу зображення.

    Список Використано '! лггературі

    1. Садиков С.С. Автоматизована обробка та аналіз мамографічних знімків: монографія / С.С. Садиков, Ю.А. Буланова, Е.А. Захарова. - Володимир: Изд-во ВлГУ, 2014. - 208 с.

    2. Гонсалес Р. Цифрова обробка зображень / Р.Гонсалес, Р. Вудс; [Пер. з англ. Під ред. П.А. Чочіа]. -М .: Техносфера, 2006. - 1070 з.

    3. Леоненков А. Нечітке моделювання в середовищі МА ^ АВ і fuzzyTECH / А. Леоненков - С.Пб .: БХВ-Петербург, 2003. - 719 с.

    4. Ахметшина Л.Г. Підвищення чутливості алгоритму гібридної нечіткої кластеризації на основі обчислення зваженого Евклидова відстані / Л.Г. Ахметшина, А.А. Єгоров // Математичне та програмне забезпечення штелектуальніх систем: IX м1жнародна науково-практична конференшя (м. Дншропетровськ, 16-18 листопада 2011 р.). - Дншропетровськ, 2011. - С. 13-14.

    5. згорить А.О. Вiзуалiзацiя результапв нечггко1 кластеризації на основi порiвіянія з початкових данімі / А.О. Згорить // Математичне та програмне забезпечення штелектуальніх систем: VIII м1жнародна науково-практична конференшя (м. Дшпропетровськ, 12-14 листопада 2008 р.) - Дншропетровськ, 2008. - С. 117-118.

    6. Лепський А.Є. Математичні методи розпізнавання образів / А.Є. Лепський, А.Г. Броневич. - Таганрог: Изд-во ТТІ ПФУ, 2009. - 155 с.


    Ключові слова: кластеризації /CLUSTERING /МАММОГРАФІЯ /MAMMOGRAPHY /FCM /HCM /FAFCM /K-MEANS /ГІБРИДНА кластеризації /HYBRID CLUSTERING

    Завантажити оригінал статті:

    Завантажити