Mục tiêu của máy tính hỗ trợ chẩn đoán (CAD) là để hỗ trợ bác sĩ X quang trong việc phát hiện ung thư vú, chủ yếu ở nhũ ảnh tầm soát. CAD có tiềm năng là một chi phí hiệu quả để thay thế cho việc đọc đôi độc lập bởi hai bác sĩ X quang, trong đó các thuật toán CAD có thể được sử dụng để mô phỏng các
không được thực hành rộng rãi vì chi phí và hậu cần.
Do đó, CAD có khả năng làm giảm tỷ lệ bỏ lỡ ung thư, làm giảm đa dạng giữa các bác sĩ X quang, cải thiện tính nhất quán của một bác sĩ X quang đơn và làm cho bác sĩ X quang năng suất cao hơn.
Hầu hết các chương trình CAD được thiết kế bằng cách sử dụng mô hình thể hiện trong hình. 9.13. chụp nhũ ảnh kỹ thuật số được sử dụng như là đầu vào cho CAD này có thể đến từ một hệ thống chụp nhũ ảnh kỹ thuật số lĩnh vực đầy đủ hoặc từ dữ liệu thu được bằng số hóa chụp hình vú phim màn hình. bước đầu tiên là để xử lý trước các hình ảnh để phân vùng vú từ khu phi vú và sử dụng xử lý ảnh để nhấn mạnh các tổn thương hoặc tính năng nhất định của các thương tổn. Ví dụ, bộ lọc không gian có thể được sử dụng để làm vôi rất nhỏ nổi bật hơn, hoặc chuyên bộ lọc phi tuyến tính có thể được sử dụng để làm nổi bật các spiculation kết hợp với khối u ác tính
Hình 13. phác thảo khái niệm của một hệ thống CAD.
Sau khi hình ảnh đã được xử lý trước, tổn thương tiềm năng được xác định. các phương tiện đơn giản nhất là "ngưỡng cửa" các khu vực có chứa các tổn thương, vì cả hai vôi rất nhỏ và chúng xuất hiện sáng hơn nền xung quanh. một lần tổn thương tiềm năng đã được xác định, chúng được phân đoạn từ hình ảnh bằng các kỹ thuật khác nhau, vì biên giới của chúng thường là bệnh được xác định hoặc một phần bị che khuất bởi các mô bình thường của vú, phương pháp Gradient dựa là thường xuyên có hiệu quả hơn trong những tình huống này hơn các phương pháp dựa trên mức xám.
Để giảm số lượng các điểm nhận diện sai, nhiều tính năng của phát hiện phân đoạn được chiết xuất từ các hình ảnh. Hầu hết các tính năng rơi vào một trong ba loại: cường độ dựa trên hình thái dựa và kết cấu dựa. các tính năng này có thể được chiết xuất từ các hình ảnh thang độ xám hoặc từ hình ảnh sau
Một khi các thiết lập tính năng cuối cùng đã được chọn, các tính năng được sáp nhập bởi một bộ phân loại thống kê để phân biệt tổn thương thực tế từ phát hiện sai. Nhiều loại khác nhau của các phân loại có thể được sử dụng, chẳng hạn như các máy hỗ trợ vector,
Mạng lưới thần kinh nhân tạo, k cây hàng xóm và quyết định gần nhất. Hầu hết các phân loại có màn trình diễn có thể so sánh và phân loại mới đang được tích cực nghiên cứu. thuật toán CAD phải được "đào tạo" sử dụng một bộ nhũ ảnh mà "sự thật" (nghĩa là sự hiện diện hay vắng mặt của một ung thư) được biết đến thông qua kết quả sinh thiết hoặc tiếp theo dõi bệnh nhân.
Dữ liệu thật cũng được yêu cầu phải đánh giá hiệu quả của một thuật toán CAD. Chăm sóc phải được thực hiện trong đào tạo, đánh giá phân loại để tránh thiên vị và để giảm sự khác biệt trong hiệu suất đo được. Để tránh một sự thiên vị tích cực, trường hợp sử dụng để đào tạo các phân loại không được sử dụng để kiểm tra phân loại. tăng số lượng các trường hợp đào tạo có thể cải thiện hiệu suất của phân và giảm phương sai trong việc thực hiện đo.
Kết quả của thuật toán CAD được chuyển tải đến các bác sĩ X quang bằng phương tiện của một hình ảnh có chú thích để hiển thị các phát hiện máy tính. cho các hệ thống CAD dựa trên bộ phim màn hình, một phiên bản độ phân giải thấp của hình ảnh hoặc là in trên giấy hoặc hiển thị trên một màn hình. Vị trí của máy tính phát hiện quần chúng và vôi hóa nhóm được hiển thị bằng biểu tượng khác nhau cho các tổn thương khác nhau. cho các hệ thống chụp nhũ ảnh kỹ thuật số, đầu ra CAD có thể được chú thích trực tiếp trên máy trạm để hiển thị của bác sĩ X quang.
Nhiều nghiên cứu gần đây trong CAD xem xét sự kết hợp thông tin từ nhiều hình ảnh, hoặc từ một quan điểm khác nhau từ việc kiểm định giống nhau, hoặc từ quan điểm tương tự từ một kỳ thi trước đó. Cách tiếp cận này bắt chước chặt chẽ hơn làm thế nào một bác sĩ X quang đọc một trường hợp, và nó có thể cải thiện hiệu suất của một chương trình CAD. phương pháp CAD khác kết hợp các thông tin từ một hoặc nhiều hình ảnh với các phát hiện lâm sàng, những dữ liệu này cũng có sẵn và có thể ảnh hưởng đến các quyết định của các bác sĩ. CAD có thể trở nên đặc biệt có giá trị trong hình ảnh vú 3-D, trong đó số lượng dữ liệu hình ảnh được coi là tăng lên rất nhiều. ở đây, CAD có thể hữu ích cho việc phát hiện tự động rất nhỏ trên các thiết lập hình ảnh lớn, cho phép các bác sĩ X quang để tập trung sự chú ý vào nhiệm vụ giải thích phức tạp hơn