Unive rsitatea POLITEHNICA din Bucureș ti [614118]
Unive rsitatea POLITEHNICA din Bucureș ti
Facultatea de Inginerie Medicală
LUCRARE DE DIPLOMĂ
Detec ția automată a structurilor patologice î n imagini
mamografice digitale
Coordonator Științ ific:
Prof. Dr. Ing. Constantin VERTAN Absolvent: [anonimizat], 2017
1
ABSTRACT
Prezenta lucrare propune realizarea unui sistem ce detectează în mod automat structuril e patologice
anormale din imaginile mamograf ice digitale. Sistemul caută și identifică structuri ce sunt diferite față de țesutul
sănătos din vecinătate. De asemenea, sistemul marchează zonele identificate și permite compararea regiunile de
interes cu regiunea tumorală reală. Incapacitatea ochiului uman de a se concentra asupra fiecărui pixel dintr -o
imagine , motiv ce a dus la realizarea acestui sistem CAD, un instrument ce vine în ajutorul specialiștilor radiologi.
Cuvine cheie: sistem automat, CAD, detecție automată, imagini mamografice digitale.
2
CUPRINS
Listă figuri……………………… ……………………………………… ….……………….. 7
Listă tabele…………………… ………………………………………… ….………………. 9
Lista acronime……………… …………………………………………. …………………… .. 11
Introducere …………………………………………………………………………… ……. 13
Capitolul 1 Anatomia, Fiziologia și Patologia Sânului……………….….……………. ….. 15
1.1 Anatomia sânului…………………………………………….……………… …… 15
1.2 Fiziologia sânului…………………………………………….….………… …… 17
1.3 Patologia sânului………………………………………………….………… …… 17
Capitolul 2 Clasificarea tipurilor de cancer de sân……………….……………………… . 19
2.1 Cancer mamar non -invaziv……………………………………….………… …… 19
2.1.1 Carcinom lobular in situ (CLIS)……………………….….……… …… 19
2.1.2 Carcinom ducta l in situ (CDIS)…………………………….………. …. 21
2.2 Cancer mamar invaziv………………………………………………….…… …… 22
2.2.1 Adenocarcinoame…………………………………………………… …. 23
2.2.1.1 Carconom ductal invaziv (CDI)…………………………… .. 23
2.2.1 .2 Carcinom lobular invaziv (CLI)……………………… ……… 24
2.2.1.3 Carcinom medular invaziv ………………………………… .. 25
2.2.1.4 Carcinom coloid (mucinos) invaziv……………………… … 26
2.2.1.5 Carcinom tubular invaziv………………………………… … 27
2.2.1.6 Carcinom papilar invaziv………………………………… …. 28
2.2.1.7 Carconom adenoid chist ic………………………………… … 29
2.2.2 Sarcoame…………………………………………………………… … 30
2.2.3 Limfoame……………………………………………………..…… …. 32
2.2.3.1 Clasificare…………………………………………………… 33
2.2.3.2 Diagnosticare………………………………………………… 33
2.2.3.3 Tratament……………………………………………………. 34
Capitolul 3 Metode de investigare a cancerului mamar………………………………… . 35
3.1 Ecografia mamară……………………………………………………………….. 35
3.1.1 Principiul ecografiei…………………………………………………… 35
3.1.2 Examinarea sânului……………………………………………………. 36
3.1.2.1 Elastografie de tip Strain………………… ………………….. 37
3.1.2.2 Elastografia de tip Shear Wave……………………………… 38
3.2 Mamografia digitală……………………………………………………………… 38
3.2.1 Principiul formării razelor X…………………………………………………. 38
3.2.2 Formarea imaginilor mamografi ce digitale……………………………. 39
3.2.3 Tipuri de vizualizări mamografice/tehnici de achiziție……………… 40
3
3.2.3.1 Vizualizare Cranio -Caudală și vizualizarea Medio -Lateral
Oblică……………………………………………………… 40
3.2.3.2 Vizualizare Medio -Laterală………………………………. . 40
3.3 Rezonanță Magnetică Nucleară de sân………………………………………………….. 40
Capitolul 4 Sisteme automate de detecție a zonelor patologice în imagini
mamografice……………………………………… ……………… …………. 41
4.1 Computer Aided Detection /Diagnosis………………….……………………….. 41
4.1.1 Scurt istoric………………………………………………… .…. 41
4.1.2 Sistemul CAD……………………………………………… .…. 41
4.1.3 Evaluarea performanței sistemului CAD…………………… .… 42
4.2 Lucrări științifice ………………………………………………………………… 42
Capitolul 5 Descriere a sistemului propus…. …………………… .………………………. 45
5.1 Baza de date……………………………………………………………………… 45
5.2 Implementare și metode de realizare a sistemului………………………………. 47
5.2.1 Metoda bazată pe extragerea de trăsături……………………………… 47
5.2.2 Metoda Local Binary Pa ttern………………………………………….. 49
5.3 Rezultate…………………………………………………………………………. 49
Concluzii………………………………… …………… …………………………………….. 65
Bibliografie…………………………………………………………… …………… ………. 67
Anexe……………………………………………………………………………… .……….. 71
4
LISTĂ FIGURI
Figura 1. Structura glandei mamare văzută din secțiune antero -laterală ……………………. ………… 9
Figura 2. Structura glandei mamare văzută din secțiune sagitală …………………………….. …………. 10
Figura 3. Carcinomul lobular in situ (CLIS) …………………………………………………………. …………. 15
Figura 4. Carcinomul ductal in situ (CDIS) …………………………………………………………. …………. 16
Figura 5. Carcinom ductal invaz iv………………………………………………………………………. ………… 18
Figura 6. Carcinom lobular……………………………………………………………………………… …………… 20
Figura 7. Carcinom adenoid chistic …………………………………………………… …..…… 24
Figura 8. Principiul ultrasunetelor ……………………………………………………… …..…. 31
Figura 9. Elastografie de tip Strain …………………………………………………………….. 32
Figura 10. Elastografie de tip Strain …………………………………………………………… 32
Figura 11 Performanța algoritmilor de detecție în imaginile din baza de date MIAS …………. 56
Figura 12 Performanța algoritmilor de detecție în imaginile din alte surse ……………………. 57
5
LIST Ă TABELE
Tabel 1 Caracteristicilor imaginilor din baza de date MIAS ………………. ………………………. 39
Tabel 2 Dimensiunilor ferestrelor……………………………………………………………………………. 41
Tabel 3 Hărți de distanțe corespunzătoare următorilor pași: (a) pas de 150, (b ) pas de
125, (c) pas de 100, (d) pas de 75, (e) pas de 50, (f) pas de 25 ………………………….. 42
Tabel 4 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și
fereastră mare de 51 x 51 cu pas de 25 și prag de 80% pentru imaginile
mamografice din baza de date MIAS ……………………………………………………………. 44
Tabel 5 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și
fereastră mare de 51 x 51 cu pas de 25 și prag de 80% pentru imaginile din alte
surse ………………………………………………………………………………. 44
Tabel 6 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de 41 x 41 și
fereast ră mare de 85 x 85 cu pas de 25 și prag de 80% pentru imaginile
mamografice din baza de date MIAS …………………………………………….. 45
Tabel 7 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de 41 x 41 și
fereastră mare de 85 x 85 cu pas de 25 și prag de 80% pentru imaginile din alte
surse ………………………………………………………………………………. 45
Tabel 8 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de 75 x 75 și
fereastră mare de 151 x 151 cu p as de 25 și prag de 80% pentru imaginile
mamografice din baza de date MIAS …………………………………………….. 46
Tabel 9 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de 75 x 75 și
fereastră mare de 151 x 151 cu pas de 25 și prag de 80% pentru imaginile din alte
surse ……………………………………………………………………………….. 46
Tabel 10 Rezultate în urma aplicării clasei 4 de ferestre – fereastră mică de 151 x 151 și
fereastră mare de 303 x 303 cu pas de 25 și prag de 80% pentru imaginile
mamografice din baza de date MIAS…………………………………………… 47
Tabel 11 Rezultate în urma aplicării clasei 5 de ferestre – fereastră mică de 211 x 211 și
fereastră mare de 423 x 423 cu pas de 25 și prag de 80% pentru imaginile
mamografice din baza de date MIAS ……………………………………………. 47
Tabel 12 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și
fereastră mare de 51 x 51 cu pas de 25 și prag de 90% pen tru imaginile
mamografice din baza de date MIAS …………………………………………… 48
Tabel 13 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și
fereastră mare de 75 x 75 cu pas de 25 și prag de 90% pentru ima ginile din alte 48
6
surse ………………………………………………………………………………
Tabel 14 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de 41 x 41 și
fereastră mare de 85 x 85 cu pas de 25 și prag de 90% pentru imaginile
mamografice din baza de date MIAS …………………………………………….. 49
Tabel 15 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de 41 x 41 și
fereastră mare de 85 x 85 cu pas de 25 și prag de 90% pentru imaginile din alte
surse ……………………………………………………………………………… 49
Tabel 16 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de 75 x 75 și
fereastră mare de 151 x 151 cu pas de 25 și prag de 90% pentru imaginile
mamografice din baza de date MIAS ……………………………………………. 50
Tabel 17 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de 75 x 75 și
fereastră mare de 151 x 151 cu pas de 25 și prag de 90% pentru imaginile din
alte surse …………………………………………………………………………. 50
Tabel 18 Rezultate în urma aplicării clasei 4 de ferestre – fereastră mică de 151 x 151 și
fereastră mare de 303 x 303 cu pas de 25 și prag de 90% pentru imaginile
mamografice din b aza de date MIAS ……………………………………………. 51
Tabel 19 Rezultate în urma aplicării clasei 5 de ferestre – fereastră mică de 211 x 211 și
fereastră mare de 423 x 423 cu pas de 25 și prag de 90% pentru imaginile
mamografice din baz a de date MIAS …………………………………………… 51
Tabel 20 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și
fereastră mare de 51 x 51 cu pas de 25 și prag de 97% pentru imaginile
mamografice din baza de da te MIAS …………………………………………… 52
Tabel 21 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și
fereastră mare de 51 x 51 cu pas de 25 și prag de 90% pentru imaginile din alte
surse ……………………………………………………… ………………………. 52
Tabel 22 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de 41 x 41 și
fereastră mare de 85 x 85 cu pas de 25 și prag de 97% pentru imaginile
mamografice din baza de date MIAS …………………………… ……………… 53
Tabel 23 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de 41 x 41 și
fereastră mare de 85 x 85 cu pas de 25 și prag de 90% pentru imaginile din alte
surse ……………………………………………………………………………… 53
Tabe l 24 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de 75 x 75 și
fereastră mare de 151 x 151 cu pas de 25 și prag de 97% pentru imaginile
mamografice din baza de date MIAS ……………………………………………. 54
Tabel 25 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de 75 x 75 și
fereastră mare de 151 x 151 cu pas de 25 și prag de 90% pentru imaginile din
alte surse …………………………………………………………………………. 54
Tabel 26 Rezultate în ur ma aplicării clasei 4 de ferestre – fereastră mică de 151 x 151 și
fereastră mare de 303 x 303 cu pas de 25 și prag de 97% pentru imaginile
mamografice din baza de date MIAS ……………………………………………. 55
Tabel 27 Rezultate în urma a plicării clasei 5 de ferestre – fereastră mică de 211 x 211 și
fereastră mare de 423 x 423 cu pas de 25 și prag de 97% pentru imaginile
mamografice din baza de date MIAS ……………………………………………. 55
7
Tabel 28 Statistică a detecțiilo r pe imaginile din baza de date MIAS ……………………………. 56
Tabel 29 Statistică a detecțiilor pe imaginile din alte surse ………………………………………….. 57
Tabel 30 Rezultatele detecției folosind algoritmul LBP atât pe im aginile in baza de date
MIAS și pe cele din alte surse ……………………………………………………………………. 58
8
LISTĂ ACRONIME
CAD Computer Aided Detection
CC Cranio – Caudal
CDI Carcinom Ductal Invaziv
CDIS Carcinom Ductal In Situ
CLI Carcinom Lobular Invaziv
CLIS Carcinom Lobular In Situ
H Hard
ML Medio -Lateral
MLO Medio -Lateral Oblic
NK Natural Killer
NOS Not Otherwise Specifed
NST No Special Type
RMN Rezonan ță Magnetică Nucleară
S Soft
9
INTRODUCERE
Cancerul de sân reprezintă una dintre cele mai frecvente forme de tumoare prezente la nivel de populație
de sex feminin, acesta fiind a doua cauză de mortalitate, după bolile cardiovasculare. La nivel mondial în anul 2013
au fost diagn osticate peste 465.000 de cazuri de cancer mamar dintre care 226.00 decese [1], iar în România în
2013, s -au numărat aproximativ 2.805 cazuri de decese. [1]
Din păcate, la nivel mondial, în țările cu venituri atât medii, cât și mici interesul pentru educa ția față de
sănătate este scăzut iar numărul de decese de cancer crește din ce în ce mai mult, o cincime din persoanele nou
examinate sunt paciente ce au cancer în stadii avansate, acest lucru devenind îngrijorător în ultimii ani. O altă cauză
pentru care cazurile de cancer sunt diagnosticate foarte târziu, prea târziu pentru unele paciente, reprezintă lipsa
resurselor de sănătate sau lipsa programelor de screeening mamar. Pentru ca reducerile de risc să pot fi atinse prin
prevenția și detectarea precoce a cancerelor se dorește implementarea unor sisteme și programe prin care pacientele
sunt examinate, iar tipurile de structuri patologice ce sunt identificate să fie tratate din timp.
La nivel global s -a început implementarea unor proceduri și sisteme prin ca re pacientele sunt examinate
anual, iar în România una dintre soluțiile cele mai eficiente care ar putea scădea mortalitatea în România este
crearea de centre de screening mamar. Astfel, cazurile de cancer pot fi depistate din timp și aplicarea unui tratam ent
corespunzător tipului de cancer și prevenirea reapariției acestuia. Totodată, implementarea unor sisteme de
detectare automată sau diagnosticare asistată de calculator (CAD – Computer Aided Detection) [2] a cancerului pe
imaginile (mamografiile) deja a chiziționate reprezintă un avantaj major pentru doctori în identificarea structurilor
ce nu pot fi observate ușor. Un beneficiu pe care CAD -ul îl aduce este acela de realizare a unui flux de lucru rapid
și ușor, proces în care este nevoie doar de un singur radiologist pentru citirea mamografiilor.
Un dezavantaj pe care îl poate avea acest algoritm este acela că poate identifica o structură ca fiind anormală
în timp ce această este de fapt normală. Acest fals caz se numește „fals pozitiv” [2] și presupune ut ilizarea mai
multor resurse în depistarea cancerului, cum ar fi teste, controale medicale mai multe, chiar punctie ghidată în
vederea identificării celulelor canceroase. În prezent se lucrează la îmbunătățirea algoritmului pentru evitarea
acestor situații.
Lucrarea propusă are ca scop principal acest principiu de detecție automată a structurilor patologice din
mamografiile digitale. Acest algoritm caută și identifică anumite structuri anormale ce se diferențiază de țesutul
sănătos din punct de vedere struct ural.
10
Capitolul 1
ANATOMIA, FIZIOLOGIA ȘI PATOLGOIA SÂNULUI
1.1 Anatomia sânului
Sânii sau numiți în termeni medicali, mamelele, sunt organe glandulare pereche poziționate simetric de o
parte și de alta a sternului în regiunea toracică laterală. [ 3] Ace știa au o structură complexă cu o funcție biologică
importantă mai ales în cadrul sarcinii, laptele matern fiind alimentul de bază al nou -născutului.
Mamela este formată dintr -o parte externă și o parte internă. Cea externă este reprezentată de mamelon
(papila mamară), areola mamară, iar partea internă, cea secretorie, este reprezentată de glanda mamară, înconjurată
de structuri moi [ 4], adică de un ansamblu de corpuri mici secretoare sau glande, din care pleacă vasele excretoare
sau tuburile lactifere la m amelon. [ 3]
➢ Partea externă
Areola mamară se indentifică prin forma circulară de un diametru de aproximativ 2 cm [5] și culoarea
diferită decât a sânului, aceasta reprezentând baza papilei mamare. Pe suprafața acesteia se disting numeroase
proeminențe num ite tuberculii Morgagni [5], ceea ce sunt de fapt glande sebacee.
Figura 1. Structura glandei mamare văzută din secțiune antero -laterală [6]
11
Mamelonul sau papila mamară este proeminența din centrul areolei mamare și reprezintă organul care se
leagă cu t uburile/ductele lactifere, având o importanță majoră în expulzia laptelui. Papila mamară este formată din
următoarele structuri, de la exterior către interior: învelișul cutanat, fascia ce acoperă și înconjoară ductele lactifere,
tuburile lactifere, struct uri organizate în artere, vene, nervi și la interior țesutul celular.
Datorită orificiilor mici prin care ductele lactifere se deschid, papila mamară este acoperită la exterior de o
piele numită, cuticulă ce f ormează pliuri și o rețea pe suprafața sa inte rioară, cu ochiuri foarte neregulate și inegal e,
de aceea mamelonul prezintă o structură neregulată, chiar rugoasă.
Din punct de vedere al dimensiunii și formei, aceasta variază în funcție de perioade ale vieții, circumferința
și culoarea fiind legate de c ătre caracteristicile areolei.
➢ Partea internă
Partea internă prezintă în componența sa mai multe structuri și anume: facia mamară, tuburile lactifere sau
numiți altfel, ductele lactifere, structuri organizate în artere, vene, nervi și țesut celular.
Fascia mamară sau stratul adipos este împărțit în două straturi: unul superficial și unul mai profund. Între
aceste două straturi se află glanda mamară.
Stratul superficial este mai dens către periferie, devenind din ce în ce mai subțire către centrul mam elei,
unde dispare complet.
Între stratul superficial și cel profund, se interpune glanda mamară care este formată din parenchim și
stromă ce vor fi descrise în detaliu mai jos.
Figura 2. Structura glandei mamare văzută din secțiune sagitală [6]
12
Parenc himul glandular este format din aproximativ 20 de lobi [5], ce reprezintă unitățile morfofuncționale
ale mamelelor. Fiecare lob are o formă piramidală și dispus radial în jurul areolei ce se continuă cu un duct lactifer,
care la rândul lui, cum am amintit și mai sus, se deschide la nivelul papilei mamare printr -un por lactifer. Între lobi,
se depozitează un țesut adipos ce împarte fiecare lob în lobuli, apoi mai departe în acini (alveole).
Stroma reprezintă stratul ce unifică la interior structurile parenc himoase. Aceasta este formată dintr -un țesut
conjuctivo -adipos și este străbătută de o rețea bogată în capilare, fiind puternic vascularizată.
1.2 Fiziologia sânului
Având în vedere faptul că glandele mamare sunt glande anexe ale aparatului genital feminim ,
funcționalitatea și dezvoltarea acestora sunt influențate de diverși stimuli hormonali ovarieni, printre care amintim
de progesteron și estrogen.
Funcțiile estrogenului și pregesteronului sunt în echilibru, menținându -se reciproc sub control. Funcția
estrogenului, realizat în ovare, foliculul din jurul ovulului, glandele suprarenale și în celulele adipoase, este de
creștere, dezvoltare și determină proliferarea celulelor, pe când progesteronul, realizat în ovare și în glandele
adrenale, are rol în verifi carea creșterii datorate estrogenului si menținerea creșterii celulelor sub o limită.
Efectele pozitive pe care le au acești doi hormoni asupra sânilor sunt următoarele: estrogenul ajută în
creșterea țesutului mamar în vederea pregătirii laptelui matern, i ar progesteronul previne în creșterea neregulată a
țesutului mamar și are rol de protecție împotriva chisturilor mamare.
1.3 Patologia sânului
În momentul de față, la nivel global, principala cauză de deces în rândul femeilor o reprezintă cancerul
mamar. Con trolul neregulat, neaplicarea unor metode de depistare timpurie și anume crearea de centre de screening
și lipsa educației oncologice la nivel de populație, a dus la o rată de mortalitale ridicată.
Apariția cancerului mamar după vârsta de 45 de ani este da torată mai multor factori de risc, atât factor de
mediu: alimentație, stres, expunerea constantă la raze de tip X, cât și factori endogeni unde putem spune că fac
parte în primul rând vârsta, tablou genetic, pre -menopauza sau chiar menopauza, tulburări hor monale.
Țesutul fiind format din mai multe celule legate asigurând același rol în organism, acesta este afectat de
cancer prin multiplicarea dezordonată și dezorganizată a celulelor. Aceste formațiuni create prin multiplicare
rapidă nu au o structură celul ară adecvată ca a unui țesut sănătos, ci sunt împrăștiate și necontrolate până la
aplicarea unui tratament.
Din punct de vedere medical, cancerul se împarte în două mari categorii: malign (canceros), benign
(necanceros).
Tumorile benigne nu sunt periculoas e pentru paciente, au un aspect asemănător țesuturilor normale. Acestea
nu se multiplică în interiorul celulelor sănătoase, ci mai mult tind sa îndepărteze țesutul sănătos. Tumorile care
prezintă o mărime considerabilă sunt eliminate chirurgical, în schimb cele de mărimi reduse sunt neglijate și ținute
sub control medical.
13
Tumorile maligne pun în pericol viața pacientelor. Celulele tumorii se multiplică necontrolat și rapid în
interiorul celulelor sănătoase, depășindu -le din punct de vedere al numărului, fo rmând un țesut canceros cu o
structură neregulată.
14
Capitolul 2
CLASIFICAREA TIPURILOR DE CANCER DE SÂN
Cancerul mamar poate afecta orice structură anatomică a sânului, prezentate în Capitolul 1. Acesta poate
apărea s ub diferite forme și dimensiuni, de la puncte greu de observat până la mase. În continuare, acest capitol
este dedicat clasificării tipurilor de cancer după locul apariției și după formă. Astfel, avem următoarea clasificare:
[5]
➢ Cancer mamar non -invaziv ( cel in situ)
• Carcinom lobular in situ;
• Carcinom ductal in situ;
➢ Cancer mamar invaziv
• Adenocarcinoame: carcinom ductal invaziv (CDI), carcinom lobular invaziv (CLI),
carcinom medular, carcinom coloid (mucinos) , carcinom tubular, car cinom papilar,
carcinom a denoid chistic;
• Sarcoame: angiosarcoame primare și angiosarcoame secundare;
• Limfoame .
2.1 Cancer mamar non -invaziv
Cancerul mamar non -invaziv, sau numit cancer in situ [7] (situat în locația/poziția respectivă/ originală/
naturală), are această denumire datorită faptulu i că celulele canceroase rămân în locul unde acesta a început să se
formeze, fără să treacă de celulele sănătoase ale sânului. De asemenea, în cazul acestui stadiu, celulele nu sunt
împrăștiate și nu înconjoară o anume structură a mamelei, în special ductu rile lactifere sau lobulii.
2.1.1 Carcinom lobular in situ (CLIS)
Acest tip de cancer constă în proliferarea celulelor canceroase, fenomen ce începe în lobi la glandele
producătoare de lapte matern. În general, carcinomul lobular este multifocal adică e ste afectat mai mult de unul
din lobi, ceea ce înseamnă că pacienta prezintă un risc major în a dezvolta un tip de cancer invaziv care să afecteze
ducturile lactifere. Din cauza faptului că celulele canceroase nu au depășit țesutul lobular, ci se prezintă ca o
colecție de celule anormale față de cele sănătoase ale organismului, specialiștii mai numesc a cest tip de cancer,
neoplasm [7] (structură/grup dezvoltat de celule anormale) lobular.
15
Figura 3. Carcinomul lobular in situ (CLIS) unde în profilul sânul ui A – ducturile
lactifere, B – lobulii,C – secțiune dilatată a ducturilor lactiferi, D – mamelon, E –
țesut adipos,F – mușchi pectoral, G – peretele toracal/coastă, iar în imaginea mărită
A – celule lobulare normale, B – celule lobulare canceroase, C – membrana bazilară
[8]
Pentru doctori reprezintă o provocare diagnosticarea acestui tip de cancer, deoarece acesta nu prezintă
simptomatologie, fiind greu de detectat prin mamografie. Un motiv pentru care nu este observabil din punct de
vedere mamografic, e ste acela că nu este însoțit de microcalcificări, acestea prezentându -se sub formă de puncte
albe. Majoritatea pacientelor care prezintă acest tip de cancer au vârsta cuprinsă între 40 – 50 de ani [ 7], înainte
de menopauză.
Carcinomul lobular in situ poa te fi depistat prin biopsie ghidată atât în urma unui examen clinic mamar, cât
și a unei investigări ultrasonografice care ar putea să evidențieze o structură patologică anormală. Biopsia ghidată
constă în introducerea unui ac foarte subțire în sân, fiind prelevată o probă din structura de celule canceroase și
examinată la microscop. Această metodă estea cea mai eficientă, prezentând o vindecare rapidă a pacientei fără a
lăsa cicatrici.
În cazul în care acest tip de cancer este diagnos ticat prin observarea unei umflă ri excesivă a cel puțin
jumătate din acinii ale unei unități lobulare și apariția unei populații neuniforme de celule mici epiteliale atipice,
sunt două etape importante de urmat. În primul rând, administrarea de medicamente sau îndepărtarea chir urgicală
a structurii și în al doilea rând pacienta trebuie să se prezinte la control din 6 în 6 luni, să efectueze examene
ultrasonografice și examen mamografic o dată la un an, un an jumătate, pentru a putea depista orice alt tip de
cancer într -un stadi u precoce.
16
2.1.2 Carcinomul ductal in situ (CDIS)
Carcinomul ductal in situ reprezintă o leziune precursoare a cancerului mamar de tip invaziv. Așadar,
pacientele diagnosticate cu acest tip de cancer, sunt predispuse unui risc ridicat de formare ulterioa ră a unui cancer
invaziv, ce se prezintă mult mai agresiv.
Acest tip de cancer este reprezentat prin proliferarea celulelor canceroase intraductal [9], localizate la
nivelul ducturilor lactifere, nu depășesc această limită și nu afectează celulele sănătoas e ale țesuturilor
înconjurătoare. În momentul în care, celulele canceroase au trecut de stadiul intermediar dintre cancerul n on-
invaziv si cel invaziv, adică în momentul în care acestea au invadat țesutul mamar sănătos, există posibilitatea ca
nodulii limf atici să fie afectați sau la alte părți ale corpului. [9]
Figura 4. Carcinomul ductal in situ (CDIS) unde în profilul sânului A – ducturile
lactifere, B – lobulii, C – secțiune dilatată a ducturilor lactiferi, D – mamelon, E – țesut
adipos,F – mușchi pec toral, G – peretele toracal/coastă, iar în imaginea mărită A –
celule ductale normale, B – celule ductale canceroase, C – membrana bazilară [10]
Față de carcinomul lobular in situ, majoritatea cazurilor de cancer ductal in situ sunt identificate prin
mamo grafie, deoarece acestea sunt însoțite de microcalcificări [11] ce pot fi observate ca puncte mici albe. Astfel,
dimensiunea cancerului poate fi aproximată prin determinarea dimensiunii regiunii în care microcalcificările apar.
17
La nivel de simptomatologie , un număr mic de paciente prezintă două semne prin care specialiștii pot
diferenția carcinomul ductal față de cel lobular: la palpare se poate identifica o structură mai dură față de țesutul
moale mamar ce se aseamănă cu o gâlmă/nodul și de asemenea, scur geri de culoare roșiatică la nivelul
mamelonului. [9]
2.2 Cancer mamar invaziv
Cancerul mamar invaziv este cel mai răspândit tip de cancer. Acest tip de cancer corespunde momentului în
care celulele canceroase au distrus/ au trecut de membrana bazală [12 ] și au pătruns în țesutul sănătos înconjurător
afectându -l.
Din punct de vedere al structurii celulelor, cancerul invaziv poate fi clasificat în cancer invaziv „ tip special”
(Special Type) [13] și cancer invaziv „tip nespecial” (No Special Type – NST sau Not Otherwise Specified – NOS)
[13] .
Cancerul invaziv „tip special” poate fi observant la microscop [13] prin aranjarea celulelor și prin
caracteristicile particulare ale acestora.
Cele mai frecvente tipuri de cancer invaziv sunt cele NST, proprietățile c elulelor canceroase având
caracteristici nespeciale [13].
Cum am spus și mai sus, din punct de vedere microscopic se pot observa proprietățile caracteristice ale
celulelor și distribuția lor. Acestea sunt dispuse sub formă de cordoane sau tubi ce sunt inf iltrate în țesuturile
învecinate prin distrugerea membranei bazale. Din punct de vedere macroscopic, cancerul invaziv se prezintă ca
fiind o structură solidă din cauza microcalcificărilor prezente, de culoare gri -albicioasă și ce nu poate fi delimitată
cu exactitate, marginile fiind imprecise. [14] La modul general, în stadii avansate, pot apărea următoarele
simptome:
• Umflătură într -o anumită zonă a sânului sau în axilă;
• Schimbarea formei, mărimii sau a sensibilității sânului;
• Schimbarea mamelonului într -o formă neregulată sau retracția acestuia în urma infiltrării celulelor
tumorale în ducturile lactifere [12];
• Scurgere mamelonară;
• Erupție asemănătoare eczemei în zona mamelonară sau în zona înconjurătoare. [13]
În vederea diagnosticării trebuie ținut cont de vârsta pacientei, dacă aceasta are o vârstă sub 35 de ani [13],
se recomandă o scanare ultrasonografică și eventual o puncție ghidată pentru aflarea patologiei celulelor extrase. În
caz contrar, dacă pacienta are o vârstă de peste 40 de ani, examinarea se realizează cu ajutorul razelor X prin
mamografie [13] ce evidențiază exact locul cancerului prin apariția punctelor albe ce reprezintă microcalcificări.
Ca metode de tratament, în primul rând se dorește eliminarea celulelor canceroase din zona respectiv ă, ceea
ce se poate realiza prin intervenție chirurgicală, apoi radioterapie și chimioterapie. Pentru cazurile în care cancerul
nu este avansat o alta metodă de tratament o reprezintă administrarea de hormoni. [13]
Printre cele mai frecvente tipuri de canc er mamar invaziv sunt adenocarcinoamele, urmate de sarcoame și
de limfoame.
18
2.2.1 Adenocarcinoame
2.2.1.1 Carcinom ductal invaziv (CDI)
Carcinomul ductal invaziv sau numit carcinom ductal infiltrat [15] este un tip de cancer foarte agresiv ce
are tendinț a de a se răspândi rapid, fiind prezent la aproximativ 80% [17] din pacientele cu vârsta de peste 40 de
ani. [16] „Ductal” reprezintă locația unde primele celule canceroase apar, respectiv în ducturile lactifere, ce apoi
distrug membrana bazală și invadeaz ă țesutul glandular mamar unde se multiplică rapid determinând apariția unei
mase tumorale maligne. Un pericol major îl reprezintă faptul că acest tip de cancer poate conduce la metastază
[16], răspândirea celulelor canceroase în întreg organismul.
Figu ra 5. Carcinom ductal invaziv unde în profilul sânului A – ducturile
lactifere, B – lobulii,C – secțiune dilatată a ducturilor lactiferi, D –
mamelon, E – țesut adipos,F – mușchi pectoral, G – peretele toracal/coastă,
iar în imaginea mărită A – celule duct ale normale, B – celule ductale
canceroase ce trec de membrana bazilară [18]
Ca simptomatologie, carcinomul ductal invaziv prezintă la palpare o umflătură solidă [16], sensibilitate la
atingere, scurgere mamelară din cauza afectării ducturilor lactiferi, roșeață în jurul mamelonului și chiar o
schimbare a profilului sânului [16].
Din punct de vedere al diagnosticării și tratamentului, cancerul apare cu o medie de 9 ani [19] înainte ca
primele simptome să fie simțite, sau poate fi descoperit cu ajutorul ma mografiei, dacă pacienta se prezintă la
control în mod regulat.
19
Având în vedere stadiul de severitate al tumorii, există mai multe soluții de înlăturare a cancerului. Pentru
carcinoamele care nu prezintă o gravitate m ajoră se recomandă lumpectomia (înlăt urarea tumorii și a unei mici
porțiuni din jurul structurii patologice) [20] și tratament cu medicamete și radioterapie. În cazul stadiului avansat
al cancerului, soluția este mastectomia, înlăturarea unui sân. [16] Pentru a determina dacă celulele multip licate
dezordonat au ajuns în fluxul sangvin, se extrag unul sau mai mulți nodule limfatici [19] prin puncție ghidată.
De asemenea, celulele canceroase pot fi ținute sub supraveghere prin așa numita metodă „targeted therapy”
[16], introducerea unor medica mente ce sunt menținute în zona respectivă în care cancerul este localizat.
2.2.1.2 Carcinom lobular invaziv (CLI)
Carcinomul lobular invaziv sau numit carcinoma lobular infiltrat [21] este al doilea tip de cancer cel mai
frecvent întâlnit [22] și este la fel de agresiv precum carcinomul ductal invaziv. Deși acest tip de cancer poate
afecta femeile la orice vârstă, el este prezent la aproximativ 10% [21] din pacientele cu vârsta cuprinsă între 50 –
60 de ani. [22]
„Lobular” evidențiază locul unde primele celule canceroase au apărut, respectiv în lobulii care se leagă de
ducturile lactifere ce conduc laptele către mamelon. [22] „Carcinom” se referă la o proliferare dezorganizată în
țesutul mamar, iar „invaziv” reliefează ideea că structura canceroasă s -a răspândit în țestul din vecinătate. [21]
Toți acești termeni se referă la faptul că acest tip de cancer se multiplică rapid și a trecut de membrana
bazală a lobulilor, invadând structurile sănătoase din jurul cancerului, ceea ce reprezintă un risc de a se ex tinde și
a afecta celelelate țesuturi sănătoase creeând un focar mai mare de celule canceroase. Astfel, de cele mai multe
ori din cazuri, cancerul este identificat în mai multe zone ale sânului. De asemenea, celulele canceroase se pot
răspândi până la nod ulii limfatici și pot ajunge în fluxul sangvin.
Din punct de vedere al simptomatologiei, carcinomul lobular invaziv poate prezenta următoarele simptome:
• Umflătură apărută într -o anumită zonă a sânului;
• Umflătură apărută în zona axilei, în cazul în care cel ulele canceroase au ajuns în nodulii limfatici;
• Îngroșarea pielii în jurul umflăturii apărute;
• Sensibilitate și durere crescută în special în zona umflăturii;
• Sensibilitate și durere la nivelul mamelonului;
• Schimbarea profilului sânului. [21]
Cum am spus și mai sus, acest tip de cancer prezintă posibilitate de a dezvolta metastază în alte locații ale
sânului și concomitent apar simptome de greață și vărsături.
20
Figura 6. Carcinom lobular invaziv unde în profilul sânului A – ducturile
lactifere, B – lobulii, C – secțiune dilatată a ducturilor lactiferi, D –
mamelon, E – țesut adipos,F – mușchi pectoral, G – peretele toracal/coastă,
iar în imaginea mărită A – celule lobulare normale, B – celule lobulare
canceroase care trec de membrana bazilară, C – membrana bazilară [23]
Depistarea carcinomului lobular invaziv se face cu ajutorul screening -ului mamografic, în care cancerul se
prezintă ca o structură anormală [22] urmându -se efectuarea mai multor teste și puncției ghidate. Din punct de
vedere mamograf ic, carcinomul lobular este mai dificil de indentificat decât carcinomul ductal [22], deoarece
celulele canceroase invadează țesutul glandular de legătură și formează o structură liniară [22], în loc de o structură
care poate fi delimitată de anumite margi ni.
Ca tratament, în primul rând, o soluție o reprezintă intervenția chirurgicală, urmată de radioterapie și
chimioterapie [21]. Acest lucru este stabilit de către doctorul specialist în funcție de stadiul în care se află cancerul.
2.2.1.3 Carcinom medul ar invaziv
Carcinomul medular este un tip de cancer invaziv foarte rar întâlnit, prezent la aproximativ 3 -5% [24] din
cazurile diagnosticate de cancer. Acest tip de cancer poate apărea la orice vârstă, dar în general este prezent la
pacientele cu vârsta cu prinsă între 40 – 50 ani [24].
„Medular” evidențiază mai mult structura cancerului și modul în care acesta se prezintă și anume sub formă
de masă moale ce se aseamănă cu o parte din creier numită „medul ă” [24], ceea ce înseamnă că are o structură
bine del imitată ușor de observat.
21
Deși carcinomul medular face parte din categoria cancerelor de tip invaziv, ceea ce înseamnă că este un
cancer care este agresiv, cu o multiplicare dezorganizată a celulelor canceroase, acesta nu se comportă în totalitate
ca un c ancer invaziv. Carcinomul medular nu crește rapid și de cele mai multe ori, deși invadează țesutul din jur
sănătos, celulele canceroase nu se răspândesc până la nodulii limfatici [24], astfel există un risc destul de mic
încât cancerul sa ajungă în fluxul sangvin și de aici în alte locații ale organismului. Datorită acestui fapt,
carcinomul medular în comparație cu celelalte tipuri de cancer, este ușor de diagnosticat și tratat.
Din punct de vedere al simptomatologiei, carcinomul medular invaziv prezintă u rmătoarele simptome:
• Umflătură apărută într -o anumită zonă a sânului;
• Durere și sensibilitate crescută la atingere;
• Roșeață în jurul umflăturii;
Având în vedere faptul că acest tip de cancer este de dimensiuni reduse, mai puțin de 2 cm [24], posibilitățile
de examinare și diagnosticare le reprezintă, în primul rând, examinarea ultrasonografică și mai puțin cea
mamografică. De asemenea, carcinomul poate fi identificat prin consult medical, deoarece acesta se prezintă ca o
mică umflătură la palpare.
2.2.1.4 Carcinom coloid (mucinos) invaziv
Carcinomul coloid invaziv, numit și carcinom mucinos invaziv este un tip de cancer invaziv foarte rar
întâlnit, prezent la aproximativ 2% [25] din cazurile diagnosticate. Acest tip de cancer poate apărea la orice vârstă,
dar în general, în majoritatea cazurilor acesta apare la pacientele ce au trecut de menopauză și au o medie de vârstă
de 65 de ani.[25]
Primele celule canceroase apar în ducturile lactifere unde se multiplică dezordonat și sparg membrana
bazală invadând țes uturile sănătoase din jur, de aici și numele de „invaziv”. Termenul de coloid sau mucinos se
referă la faptul că tumoarea este formată din celulele canceroase care se află într -o substanță alunecoasă[26],
cunoscută sub numele de mucus, acest lucru fiind ob servat la microscop.
În mod normal, cum toate organele secretă această substanță numită mucus și sânul la rândul lui deține
celule ce îl secretă. În cazul acestui tip de cancer, mucina face parte din structura tumorii înconjurând celulele
canceroase.
Carci nomul mucinos, deși este un tip de cancer invaziv, nu este foarte agresiv luând în considerare faptul
că acesta nu se extinde la nodulii limfatici, iar celulele canceroase nu se înmulțesc rapid și au caracteristici
asemănătoare celor sănătoase [25]. Acest tip de cancer poate fi găsit în apropierea unui tip de cancer non -invaziv,
de cele mai multe ori carcinom ductal in situ, sau intră în alcătuirea altui tip de cancer. Dacă aproximativ 90 -100%
din celulele canceroase sunt mucinoase, atunci se poate vorbi de spre un carcinom mucinos „pur” [26], în caz
contrar, dacă aproximativ 10% din celulele tumorii sunt celulele ce aparțin unui carcinom ductal invaziv, se poate
vorbi despre un carcinom mucinos „mixt”[26].
Din punct de vedere al simptomatologiei, acest tip d e cancer nu prezintă simptome la început, abia în
momentul în care celulele canceroase au invadat țesuturile din jur și formează o structură bine delimitată. Această
structură, în general, are dimensiunea medie aproximativ de 3 cm [26]. În unele cazuri, ac eastă dimensiune poate
fi depășită.
Carcinomul mucinos poate fi descoperit prin examen făcut chiar de pacientă prin simpla palpare mamelară,
structura patologică simțindu -se ca o umflătură, sau prin examinare făcută de un doctor specialist.
22
Examenul ultr asonografic nu evidențiază cu exactitate tipul și severitatea cancerului, așadar următoarea
modalitate de examinare este cea mamografică care poate detecta carcinomul mucinos, dar de cele mai multe ori
acesta se aseamănă cu o umflătură mamară non -canceroa să, benignă [26]. Din punct de vedere mamografic,
structura respectivă are o formă foarte bine definită ce are tendința de a împinge țesuturile sănătoase [26] fără a le
invada și a se dezvolta în interiorul lor. În general, carcinomul mucinos invaziv nu es te însoțit de depuneri de
microcalcificări [26], așadar nu apar mici puncte albe strălucitoare.
Tratamentul acestui cancer include mai multe soluții printre care:
• În primul rând, se realizează puncție biopsie ghidată, pentru determinarea stadiului în care se află
celulele canceroase sau dacă carcinomul este pur sau mixt;
• Pentru a preveni creșterii cancerului, se recomandă terapie locală [25] ce semnifică lumpectomie
sau mastectomie, urmată de radioterapie [25]. În cazul carcinomului pur mucinos, nodulii lim fatici
din zona axilei nu vor fi îndepărtați;
• Pentru a preveni creșterea cancerului sau răspândirea acestuia, în cazul în care carcinomul
mucinos este mixat cu un tip de cancer invaziv ce prezintă proprietăți de răspândire în organism,
se recomandă terapie sistemică[25]. Acest tip de terapie se bazează pe administrarea de
medicamente ce au efect asupra hormonilor, estrogen și progesteron. Terapia sistemică poate fi
însoțită și de chimioterapie.[25]
2.2.1.5 Carcinom tubular invaziv
Cacinomul tubular invazi v este un tip de cancer invaziv rar întâlnit, prezent la aproximativ 1 -4% [27] din
cazurile diagnosticate. Acest tip de cancer poate apărea la orice vârstă, dar în general, în majoritatea cazurilor
acesta apare la pacientele cu media de vârstă până în 50 d e ani [27].
Ca orice tip de cancer invaziv, primele celule canceroase apar în ducturile lactifere, se înmulțesc și trec de
membrana bazală, invadând țesuturile sănătoase. De aici și numele de carcinom tubular invaziv. În mod normal,
acest tip de cancer se prezintă sub o dimensiune foarte mică, aproximativ 1 cm [27] sau chiar și mai puțin, iar din
punct de vedere al structurii, acesta ia forma ducturilor lactiferi [27], așadar are forma unor tuburi.
Deși este un tip de cancer invaziv, tinde să nu fie atât d e agresiv în comparație cu celelalte tipuri de cancere
invazive. Celulele canceroase sunt asemănătoare celor normale și au un proces de multiplicare foarte lent. De
asemenea, nu afectează țesuturile sănătoase înconjurătoare și nu se răspândesc până la nodu lii limfatici. Așadar,
riscul de a ajunge în fluxul sangvin este unul foarte scăzut.
Carcinomul tubular invaziv se poate diziva în două categorii în funcție de celulele canceroase tubulare.
Dacă există un procentaj mai mare de aproximativ 90% [27] de celu le canceroase tubulare, atunci putem vorbi
despre un carcinom tubular invaziv „pur”, în schimb dacă procentajul scade la 75% [27] de celulele canceroase
tubulare, atunci carcinomul tubular invaziv este „mixt”.
Din punct de vedere al simptomatologiei, aces t tip de cancer nu prezintă simptome la început, abia în
momentul în care celulele canceroase au invadat țesuturile din jur și formează o structură de aproximativ 1 cm în
diametru [27]. Poate fi descoperit prin examen făcut chiar de pacientă prin simpla pa lpare mamelară, structura
patologică simțindu -se ca o umflătură dură și ușor dureroasă, sau prin examinare făcută de un doctor specialist.
23
De asemenea, o altă metodă prin care cancerul poate fi depistat este prin screening -ul mamografic, deși este
foarte g reu de diferențiat carcinomul tubular față de un adevărat carcinom ductal invaziv. Pe mamografie, structura
patologică prezintă pe margini puncte ascuțite [27] ce se aseamănă cu niște linii subțiri ce radiază din tumoare.
Tratamentul ce se realizează în ca zul acestui tip de cancer constă ori în lumpectomie, ori în mastectomie
[27], în fucție de severitatea tumorii. În cazul lumpectomiei, se elimină umflătura dură și o parte din țesutul sănătos
din vecinătate, iar daca carcinomul tubular este mixt, atunci se extrag și câțiva noduli limfatici pentru biopsie în
vederea unui diagnostic concret și a se spune exact dacă tumoarea s -a extins mai departe de locul inițial. În caz
contrar, carcinomul tubular este pur, se evită extracția nodulilor limfatici.
Ca un plus, în prevenirea reapariției cancerului, se utilizează și alte metode cum ar fi, terapia prin radiație,
chimioterapia și terapia sistemică [27] adică introducerea de medicamente ce pot inhiba sau reduce cantitatea de
estrogen și progesteron.
2.2.1.6 Carcino m papilar invaziv
Carcinomul papilar invaziv este un tip de cancer invaziv foarte rar întâlnit, aproximativ 1 -2% [28] din
pacientele diagnosticate cu cancer prezintă carcinom papilar invaziv. Femeile aflate post -menopauză cu o medie
de vârstă cuprinsă înt re 63 -67 de ani [29] au un risc crescut de a dezvolta acest tip de cancer.
Acest tip de cancer este unul specific al carcinomului ductal invaziv, astfel primele celule canceroase apar
în ducturile lactifere ce apoi trec de membrana bazală și se răspândesc în alte locații ale sânului. Carcinomul
papilar invaziv se prezintă ca fiind o umflătură alcătuită din mici proeminențe asemănătoare degetului și cu o
structură bine definită.
Carcinomul papilar invaziv este divizat în mai multe categorii în funcție de gr adul de severitate și anume:
Grad 1 : celulele canceroase sunt asemănătoare celor sănătoase și nu au invadat încă țesutul din jurul
structurii deja formate;
Grad 2 : reprezintă un grad modera în care celulele canceroase încep să se multiplice într -un ritm ra pid, dar
încă nu au depășit limita membranei bazale.
Grad 3 : acest grad descrie comportamentul anormal al celulelor canceroase, acestea se multiplică într -un
ritm rapid, necontrolat și dezordonat invadând țesutul sănătos din vecinătate.
Ca simptome ce pot apărea în cazul acestui tip de cancer sunt următoarele:
✓ Se remarcă o umflătură localizată central în partea mamară sau în zona axilei;
✓ Îngroșarea pielii în zona umflăturii apărute, totodată, se schimbă dimensiunea și forma sânului;
✓ Schimbarea mamelonului î ntr-o formă neregulată sau retracția acestuia în interiorul sânului;
✓ Mărirea nodulilor limfatici din zona axilei;
✓ Scurgere mamelonară;
✓ Schimbarea caracteristicilor pielii ce acoperă zona mamelonară: încrețire, roșeață sau iritare;
✓ Sensibilitate crescută și durere la palpare. [29]
Din punct de vedere a tratamentului în cazul acestui tip de cancer, intervenția chirurgicală este cea mai
frecventă metodă de tratament. Se recomandă în prima fază lumectomia [29], tumoarea fiind îndepărtată împreună
cu o parte din țesutul sănătos înconjurător. În funcție de locația în care s -au răspândit celulele canceroase, se
intervine cu mastectomie simplă [29], în cazul căreia se îndepărtează glanda mamară, mamelonul, areola și o parte
24
din nodulii limfatici pentru examenul de b iopsie. O altă metodă o reprezintă mastectomia totală [29], în care se
îndepărtează îndepărtează glanda mamară, mamelonul, areola, toții nodulii limfatici din zona axilară și mușchii
de la baza peretului toracic. Aceste metode sunt completate de radioterap ie, chimioterapie și terapie sistemică
(hormonală).
2.2.1.7 Carcinom adenoid chistic
Carcinomul adenoid chistic este un tip de cancer invaziv extrem de rar, ce este prezent la mai pu țin de 0.1%
[30] din pacientele diagnosticate. Apariția acestui tip de c arcinom poate avea loc în intervalul de 19 – 97 ani, dar
media de vârstă este de 50 – 60 ani [30].
Deși este un tip de cancer invaziv, acesta tinde să nu fie la fel de agresiv în comparație cu celelalte tipuri
de cancer, având un răspuns pozitiv și rapid la tratament. Din punct de vedere microscopic, această tumoare
demonstrează un comportament caracteristic cu cel al carcinomului adenoid chistic al glandelor salivare [31]. Se
observă prezența unei populații duale de celule, atât celule glandulare prolifer ative ce fac parte din componenta
adenoidă, cât și celule ce intră în componența membranei bazale sau celulele ce se află în stromă.
Primele celule anormale canceroase apar în ducturile lactifere, la fel ca în cazul celorlalte tipuri de cancere.
Aceasta su nt celulele glandulare, celule epiteliale ce se multiplică sub formă tubulară. În timp ce elementele
bazaloide prezintă un model solid, perforat (model cribriform) [32].
Figura 7. Carcinom adenoid chistic unde A – celule în formă tubulară – trabeculară ,
B – formă cribriformă și C – forme solid bazaloidă [32]
Acest tip de cancer nu prezintă un pericol major, deoarece are o rată de dezvoltare și multiplicare a celulelor
canceroase foarte scăzută. De asemenea, tumoarea nu se extinde până la nodulii limfa tici ai axilei, deci
posibilitatea de metastază tinde spre imposibil, acest lucru se identifică la aproximativ 0 – 2% [32] din cazurile
de carcinom adenoid chistic. Această structură malignă este de dimensiuni reduse cuprinse între aproximativ 1 –
3 cm în diametru [33].
Următoarelor metode de diagnosticare sunt cele mai frecvent folosite, cu ajutorul cărora putem observa
diferite caracteristici ale acestui tip de cancer. Astfel, în cazul:
• Examinării ultrasonografice, această structură patologică apare ca fi ind una neregulată, eterogenă
[31] sau hipoecoică [32] cu o vascularizație minimă ce se poate observa cu ajutorul Doppler -ului
Color sau cu un Doppler mai senzitiv la mișcările fluxului sangvin.
• Examinării mamografice, se evidențiază atât densitatea asimet rică [32] de un grad crescut a sânului,
cât și structuri neregulate.
25
Din punct de vedere al tratamentului, în cele mai multe cazuri se utilizează lumpectomia [32] urmată în
perioada post -operatorie de radioterapie. Mastectomia este evitată, la fel și înde părtarea nodulilor limfatici axilari
[32]. Se intervine la acest nivel în cazul în care tumoarea depășește dimensiunea de 3 cm în diametru, fiind
diagnosticat cu metastază, sau se identifică alte tipuri de cancer invazive în jurul structurii respective. De asemena,
se mai folosește atât terapia sistemică, adică administrarea de hormoni, cât și dezvoltarea metodei cunoscută sub
numele de „targeted therapy” [32], administrarea de medicamente local și menținerea sub control a acestora în
zona respectivă în car e structura patologică se află.
2.2.2 Sarcoame
Sarcomul este un tip e cancer extrem de rar, ce este descoperit la mai puțin de 1% [34] din cazurile de
cancer diagnosticate. Cum am descris în Capitolul 1 sânul este format atât din țesut glandular (lobuli , ducturi
lactifere, areolă și mamelon), cât și din partea de susținere a sânului ce este formată din țesut conjuctiv fibros și
țesut adipos ce are rolul de a determina forma și mărimea sânului.
Sarcoamele sunt tumori maligne ce se diferențiază de tipuril e de carcinoame invazive și non -invazive prin
faptul că acestea se dezvoltă în țesuturile moi: țesut adipos, mușchi, nervi și vase de sânge [35]. În cazul
sarcoamelor, celulele canceroase se înmulțesc la nivelul elementelor de susținere a sânului, în speci al în țesutul
conjuctiv fibros care susține conducturile lactifere și lobulii.
Un tip specific de sarcom este angiosarcomul , cu un procentaj de diagnosticare de doar 0.04% [36] din
toate tumorile maligne ale sânului. Acesta se dezvoltă în vasele de sânge s au în vasele limfatice. Face parte din
categoria cancerelor invazive deoarece prezintă un risc crescut de invadare și distrugere a țesuturilor sănătoase
din jurul structurii respective sau răspândire în alte locații are corpului (metastază). Cel mai frecve nt loc de apariție
a metastazei este la nivelul plămânilor [36].
✓ Clasificare
Sarcoamele pot fi divizate în două categorii:
a) Sarcoame mamare primare
Termenul ,,primar” evidențiază ideea de apariție pentru prima dată a celulelor canceroase în zona nodulilo r
limfatici fără a fi prezent un istoric de tratament împotriva cancerului, acest tip de cancer dezvoltându -se la
pacientele cu o medie de vârsta cuprinsă între 20 – 40 de ani [37].
Din punct de vedere al simptomatologiei, sarcoamele primare prezintă în z ona respectivă o îngroșare a pielii,
erupții cutanate sau apariția vânătăilor.
b) Sarcoame mamare secundare
Termenul ,,secundar” se referă la faptul că tumoarea se dezvoltă în urma unui tratament împotriva unui sarcom
mamar primar, în general în urma terapiei prin radiație . Apare la pacientele cu media de vârstă de peste 40 de ani
[37].
Tumoarea se poate dezvolta până la atingerea dimensiunii de aproximativ 6 cm [37] , de aceea tabloul clinic
al acestui tip de sarcom prezintă în primul rând o masă /umflătură t are și dureroasă în momentul palpării sânului,
26
iar în al doirea rând, schimbarea culorii pielii ce acoperă structura respectivă într -o nuanță albăstruie sau roșiatică
[37].
✓ Diagnosticare
În vederea diagnosticării corecte atât a sarcoamelor mamare primar e, cât și a celor secundare, se utilizează
cel mai frecvent următoarele examinări:
• Examinare ultrasonografică
În cazul în care se utilizează examinarea ultrasonografică, tumorile sunt ușor de observat deoarece au o
structură bine definită cu margini clare ce se aseamănă cu o umflătură/excrescență. Acestea se prezintă ca fiind
omogene hiperecogene, rareori, sau eterogene hiperecogene [37] însoțite de distorsiuni arhitecturale.
Vascularizația poate fi observată cu ajutorul Doppler -ului Color ce scoate în evi dență de cele mai multe ori
o hipervasculația acestor structuri eterogene, cu un aspect hemoragic.
• Examinarea mamogafică
Cu ajutorul screening -ului mamografic, aceste structuri pot fi identificate și diferențiate de celelalte tipuri de
cancer prin faptul că aceste sarcoame, atât primare, cât și secundare se prezintă ca fiind niște structuri neregulate,
neordonate cu un aspect asemănător unui puf. Nu sunt însoțite de microcalcificări [37], așadar nu se pot observa
linii sau puncte strălucitoare care tind să se găsească în cazul celorlalte tipuri de cancere invazive.
• Puncție ghidată
Sarcoamele sunt confirmate cu ajutorul puncției ghidate, procedură în care se recoltează o probă de celule
canceroase din locația respectivă și analizate din punct de vedere mo rfologic și histologic.
✓ Tratament
Ca opțiuni de tratament, tipurile de intervenții chirurgicale depind de specificul fiecărui caz de sarcom,
astfel există două tipuri de intervenție:
• Lumpectomie [35] : o incizie locală largă ce implică înlăturarea tumor ii împreună cu o margine
înconjurătoare de țesut mamar sănătos pentru a reduce riscul recidivare celulelor canceroase.
Această metodă se folosește îm cazul tumorilor de dimensiuni mici și a gradului mic de severitate.
• Mastectomie [35] : înlăturarea comple tă a sânului ce poate fi î nsoțită de reconstrucția acestuia. Nu
se recomandă eliminarea nodulilor limfatici axilari în cazul tumorilor cu grad mediu de severitate.
Matectomia radicală include și eliminarea nodulilor limfatici axilari, acest lucur întâmplân du-se în
cazul tumorilor ce s -au răspândit până la nivelul limfatic.
De asemenea, ca metode de tratament sunt utilizate radioterapia sau chimioterapia pentru a preveni
răspândirea celulelor canceroase în alte locații ale corpului.
27
2.2.3 Limfoame
Limfoci tele sunt elementele componente ale lichidului limfatic ce au mai multe roluri în funcție de tipul
limfocitului, astfel se diferențiază trei feluri de limfocite și anume:
a) Limfocite de tip T, numite și celulele T [38]: acestea sunt responsabile de imunitate a organismului
ce ajută la combaterea formării și dezvoltării infecțiilor și luptă împotriva virușilor și celulelor
canceroase.
b) Limfocite de tip B, numite și celulele B [38]: acestea sunt responsabile în producerea anticorpilor
ce ajută în protejarea organ ismului împotriva corpurilor străine. Celulele B luptă împotriva
bacteriilor, fragmentelor celulare și a altor elemente imunogene.
c) Celulele ucigașe NK (Natural Killer) [38]: realizează un proces numit supraveghere imună
împotriva celulelor canceroase.
Limf oamele sunt tipuri de cancer ce fac parte din categoria celor invazive din cauza răspândirii celulelor
canceroase în alte locații ale corpului. Acestea se dezvoltă prin înmulțirea necontrolată a limfocitelor, un subtip
al leucocitelor (globule albe). În ca zul acestui tip de cancer, primele semne de cancer pot apărea la pacientele cu
vârsta cuprinsă in intervalul 55 – 60 de ani [38], cu o medie de vârstă de 57 de ani [38].
Din punct de vedere al simptomatologiei acestui tip de cancer, tabloul clinic prezintă următoarele
simptome:
• Umflătură/masă cu o structură elastică, bine definită prezentă la nivelul sânului sau la nivelul axilei;
dimensiunea pe care o poate atinge tumoarea este de 3,4 cm în diametru;
• Sesibilitate și durere la palpare;
• Îngroșarea pielii în zona în care se prezintă umflătura, respectiv schimbarea formei sânului;
• Ganglioni limfatici umflați atât la nivelul gâtului, cât și la nivelul axilei;
• Pierdere în greutate și apetit scăzut;
• Oboseală, stare de slăbiciune (astenie) și dureri de cap;
• Anemie;
• Infecții frecvente;
• Presiune arteriala scăzută. [38]
2.2.3.1.1 Clasificare
În momentul în care oricare numarul oricărui tip de celule limfocitare crește anormal de mult, înmulțindu –
se haotic, acest lucru ducând la o stare de dezorganizare a celulelor formând o st ructură, numită limfom ce poate
fi divizat în două subcategorii:
✓ Limfom de tip non -Hodgkin
Limfomul de tip non -Hodgkin este un subtip de limfom, un tip de cancer ce apare la nivelul sistemului
limfatic ce se poate manifesta prin apariția unei umflături l a nivelul unuia sau mai multor ganglioni limfatici și mai
mult de atât, un limfom non -Hodgkin se poate localiza și în altă parte a corpului în afara ganglioniilor și anume:
28
tiroidă, stomac, mezenter, colon, rinichi, os, ochi, chiar și la nivelul sistemului nervos central [39]. În momentul în
care un limfom de acest gen ajunge la unul din organele enumerate, acesta se poate dezvolta într -o tumoare.
Acest gen de cancer debutează cu febră ridicată ce afectează grav starea generală și poate fi depistat prin
biopsia unui ganglion sau a unui organ alterat. [38]
✓ Limfom de tip Hodgkin
Limfomul de tip Hodgkin este un limfom ce prezintă potențial curabil deși acesta tinde să se extindă de la
o grupă ganglionară la următoarea [40] și astfel răspândindu -se în organis m alterând organele respective. Ca
simptome ce pot apărea se remarcă cele mai frecvente: febră continuă cu perioade alternante de termperatură
corporală normală, scădere în greutate, astenie, mărirea nodulilor ganglionari, în special cei cervicali și
supra claviculari. [40]
2.2.3.1.2 Diagnosticare
În vederea diagnosticării acestui tip de cancer care la început poate fi confundat cu tulburări autoimune,
așadar pe lângă testele de sânge (hemogramă) și examinarea fizică detaliată ce completează sau confirmă un istoric
medical, există două tehnici imagistice frecvent folosite ce ajută în identificarea cancerului:
✓ Examinarea ultrasonografică
Acest tip examinare poate confirma dacă structura respectivă este o umflătură chistică plină cu lichid, ceea
ce înseamnă faptul c ă este non -canceroasă și nu se pune problema de continuare a investigațiilor, ci se recomandă
tratament și control periodic. De asemenea, dacă structura patologică se prezintă a nu fi non -canceroasă, se
evidențiază semne clare că ar putea să fie ori benign e ori canceroase. Aceste semne sunt scoase în evidență prin
faptul ca limfoamele sunt mase hipoecoice eterogene lobulare [41], ceea ce înseamnă în primul rând fie că dau un
ecou interior, fie se prezintă sub formă de masă hipoecoică cu marginile neregulate dând impresia de o împrăștiere
dezordonată, fie ocazional prezintă o masă lobulată ceea ce semnifică tumoarea.
✓ Examinare mamografică
Screening -ul mamografic este una dintre cele mai utilizate metode de examinare a sânului în vederea
identificării unor st ructuri patologice ce ar putea fi tumori. Acestea se prezintă ca fiind o structură cu densitate
omogenă ce are marginile regulate, fiind neînsoțită de microcalficări. [41]
2.2.3.1.3 Tratament
Ca posibilități de tratament, în cazul limfoamelor ca și în cazul celorl alte tipuri de cancere, se recomandă
intervenția chirurgicală, atât lumpectomia [41], o metodă mai puțin invazivă ce constă în eliminarea structurii
patologice respective împreună cu o porțiune de țesut sănătos din vecinătate, în vederea prevenirii apariți ei altor
29
celule canceroase. De asemenea, dacă limfomul se află într -un stadiu avansat, se intervine cu îndepărtarea totală
a sânului (mastectomie) [41] pentru a nu afecta întregul țesut mamar.
Pe lângă, cele două metode amintite mai sus, tratamentul constă este legat de chimioterapie, administrarea
de medicamente ce au proprietatea de a distruge celulele canceroase, acest lucru putând fi realizat prin
administrare sub formă de pastile, lichid sau intravenos. De asemenea, se distruge AND -ul celulelor cancero ase
prin terapie cu radiații [38], de cele mai multe ori în cazul tumorilor premature.
30
CAPITOLUL 3
METODE DE INVESTIGARE A CANCERULUI MAMAR
Pentru identificarea cancerului de sân din timp și scăderea atât a cazurilor avans ate de cancer, cât și scăderea
mortalității din această cauză, programul de screening este cea mai bună soluție. Acesta cuprinde autoeducație
legată de sănătate și metodele de investigare utilizate în momentul în care se depistează ceva anormal.
Primul pas făcut de către pacientă este autoexaminarea părților sânilor în vederea identificării oricărei
formațiuni neobișnuite, dureroase sau nedureroase. În cazul în care la palpare se prezintă o structură dură, următorul
pas îl reprezintă examinarea fizică a sân ilor și anume un consult medical. Acesta constă în examinarea de către
doctorul specialist a tuturor regiunilor sânilor și a părții axilare. Mai departe în vederea identificării caracteristicilor
formațiunii depistate, stau la bază mai multe metode de inve stigare a sânului atât invazive cât și non -invazive, ce
nu se exclud, ci din contră se completează una pe cealaltă. Aceastea vor fi prezentate mai jos:
➢ Ecografia mamară;
➢ Mamografia digitală;
➢ RMN de sân.
3.1 Ecografia mamară
3.1.1 Principiul ecografiei
Ecografia este o metodă imagistică non -invazivă de examinare a întregului corp, inclusiv a sânului, ce oferă
imagini în timp real a structurilor examinate și vascularizația respectivă fiecareia. Ultrasonografia este folosită atât
pentru detectarea schimbă rii mărimii sau a conturului organelor, țesuturilor, vaselor sangvine, cât și pentru
detectarea maselor anormale, tumorile. Obținerea imaginilor ecografice este realizată cu ajutorul unui echipament
dedicat acestei proceduri, ce are capacitatea de a proces a imaginile obținute. Echipamentul este format din mai
multe părți componente: consola de comandă pe care se află diferite butoane cu diferite funcții, monitor pe care
este afișat imaginea obținută, componente electronice ce ajută la procesarea și formarea imaginii pentru a oferi o
calitate cât mai ridicată a acesteia și traductori care se atașează ecografului și au un rol important în obținerea
informațiilor cu privire la țesutul examinat.
Examinarea ecografică se bazează pe principiul ultrasunetelor. Aces tea sunt energii mecanice ce se propagă
în mediul respectiv sunt formă de unde cu frecvență mare, peste limita de percepție pe care o poate avea urechea
și anume de peste 20 kHz. Cum am spus mai sus, traductorul are un rol important cu funcție dublă deoare ce
convertește impulsul electric în impuls de undă și invers, ecoul primit de la țesut îl convertește în impusl electric.
Astfel, ecograful transmite impulsuri electrice către traductor care este format din mai multe cristale de dimensiuni
mici, aranjate f ie liniar, fie matricial. Aplicarea câmpului electric asupra acestor cristale, prin efectul piezoelectric
[42], determină oscilații mecanice ale cristalelor care emit pulsuri de unde, adică ultrasunetele. Așadar, acestea
sunt transmise de către traductor, propagându -se în diferite țesuturi. În momentul în care, pulsul de undă lovește
structura respectivă acesta transmite înpoi către traductor un ecou, ce este transformat înapoi în impuls electric și
transmis către circuitul de procesare a informațiilor, car e acesta în final afișează pe ecran, imaginea obținută. Acest
31
lucru se întâmplă în timp real, ceea ce înseamnă că formatorul de unde trebuie să aibă o capacitate mare de
procesare și un număr mare de canale de procesare, de ordinul miilor.
Figura 8. Principiul ultrasunetelor
3.1.2 Examinarea sânului
Examinarea mamară prin ultrasonografie se utilizează la pacientele cu vârsta sub 30 de ani sau în cazul
pacientelor gravide [43] care prezintă simptomatologie caracateristică u nei structuri anormale. De asemenea,
aceasta se folosește pentru detectarea structurilor suspicioase si distingerea dintre cancerul benign sau malign. În
cazul în care structura se prezintă a fi malignă, ecografia prezintă suport pentru puncția ghidată în vederea
clasificării stadiului în care se află celulele canceroase.
Sânul este examinat folosind exclusiv traductor de tip liniar cu frecvență mare, cu un interval mediu de 7 –
15 MHz. Pentru o rezoluție cât mai bună, se recomandă utilizarea unui traductor de tip liniar matricial.
Elasticitatea este proprietatea oricărei structuri anatomice care se deformează în momentul în care se aplică
o forță exterioară și revine la forma inițială după îndepărtarea forței. Există o nouă tehnică de identificarea a
gradul ui de elasticitate a țesutului, ce se folosește frecvent în examinările sânului. Tehnica de investigare a
elasticității țesuturilor e numește elastografie [44] și se împarte în două categorii în funcție de caracteristicile
fiecăreia:
➢ Elastografie de tip „St rain”;
➢ Elastografie de tip „Shear Wave”. [44]
32
3.1.2.1 Elastografie de tip Strain
Acest tip de elastografie reprezintă una dintre metodele de investigare a elasticității țesutului mamar ce este
dependentă de utilizator doarece imaginea se obține pr in comprimarea și decomprimarea manuală a structurii
folosind traductorul. Elastografia oferă informații calitative prin afișarea pe ecran a unei hărți codată color, albastru
semnifică H – Hard (țesut dur), iar roșu semnifică S – Soft (țesut moale) [45], a stfel se poate aprecia duritatea
structurii examinate. Măsurătoarea se realizează în kilopascali (kPa) [46].
Figura 9. Elastografie de tip Strain; stânga – imaginea structurii respective în modul 2D, iar în dreapta
este imaginea după aplicarea tehnicii de elastografie [45]
De asemenea, elastografia oferă și informații semi -cantitative prin posibilitatea de afișare al unui raport de
duritate (Ratio) [46].
Figura 10. Elastografie de tip Strain; imagine ce ilustrează raportul de duritate [47]
33
3.1.2.2 E lastografia de tip Shear Wave
În cazul acestui tip de elastografie, cunoscut sub numele de elastografie tranzitorie [46], se trimit automat
pulsuri de unde către țesut, care acestea ajunse la structura respectivă deformează țesutul. Elastografia Shear
Wav e oferă informații cantitative cu privire la zona examinată. Măsurătoarea oferă atât rezultate în kilopascali
(kPa), cât și în m/s în cazul în care sunt măsurate velocități.
3.2 Mamografia digitală
Mamografia digital ă este o tehnică imagistică dedicată pentru examinarea sânului. Există două tipuri de
mamografie digitală:
➢ Mamografie de screening: acest tip de mamografie este o examinare a sânului ce fo losește o doză
mică de raze X și are ca scop identificarea timpurie a cancerului, când acesta este de di mensiuni
mici, fără a se simți la palpare. Mamografia de screening se utilizează la pacientele asimptomatice
și poate reduce rata mortalității.
➢ Mamografia de diagnostic: se folosește la pacientele simptomatice în vederea identificării și
clasificării anorm alitățiilor depistate prin mamografia de screening.
Mamografia digitală, cunoscută și sub numele de mamografie digitală full -field (FFDM – Full Field Digital
Mammography) [48], este realizată de un echipament dedicat examinării sânului ce folosește raze X. Mamograful
este format din generator, tubul de raze X, padele care pot fi de mai multe mărimi pentru comprimarea sânului și
detectorul.
3.2.1 Principiul formării razelor X
Principiul de formare a razelor X se bazează pe decelerația bruscă a electronilo r care se deplasează rapid,
lovesc și interacționează cu anodul țintă.
Tubul are mai multe elemente componente:
✓ Catodul: este terminalul negativ al tubului format dintr -un filament spiralat de tungsten [49];
✓ Anodul: este terminalul pozitiv al tubului forma t dintr -o bucată de grafit acoperit cu un strat de
Molibden [49];
Generatorul transmite curent către catod, ce ajunge la filament și este încălzit. Prin incandescența acestuia,
electronii încep să se rotească pe orbitele pe care sunt poziționați până când se desprind de pe orbite și formează
un nor de electroni liberi [49]. Acești electroni aflați liber sunt accelerați și se deplasează cu o viteză mare către
anod, unde îl lovesc. Anodul mai poartă numele de anicatod [49] deoarece are rol de a frâna electron ii catodici.
Electronii pe care îi conține materialul anodului, interacționează cu electronii anterior liberi ce au bombardat
anodul. Prin această interacțiune rezultă razele X ce sunt de două tipuri: [49]
34
a) Radiație caracteristică de raze X
Acest tip d e radiație are loc în momentul în care electronii catodici interacționează cu alți electroni de pe
straturile centrale. Pentru a se reface echilibrul energetic în urma creării dizlocărilor, se eliberează o cantitate de
energie egală cu diferența de nivel e nergetic [49] și se emit fotoni de raze X numiți caracteristici.
b) Radiație de frânare
Acest tip de radiație are loc în momentul în care electronii catodici, ce au o sarcină negativă, trec pe lângă
nucleu, cu sarcină pozitivă, iar prin forța de atracție el ectrostatică [49], electronii sunt atrași de către nucleu. Acest
fenomen duce la emiterea unui foton prin devierea traectoriei electronului și respectiv o reducere a energiei
acestuia.
3.2.2 Formarea imaginilor mamografice digitale
Imaginea este format ă după ce razele X au părăsit tubul, au traversat țesutul mamar și au ajuns la detector.
În primul rând, sânul este menținut într -o singură poziție prin c ompresia acestuia cu ajutorul unei padele. Rolul
acesteia este de a minimiza efectul de blurr [50 ] a imaginii obținute care poate fi cauzată de mișcarea pacient ei. De
asemenea, compresia echilibrează forma sânului astfel încât razele X pot traversa printr -o cale mai scurtă pentru a
ajunge la de tector și reduce doza de radiații, iar imaginea obținută are o calitate superioară . În cele din urmă,
comprimarea permite ca toate țesuturile să fie vizualizate într -un singur plan, astfel încât anomaliile mici să fie mai
puțin probabil să fie ascunse de țesutul mamar care se suprapune .
După ce razele X au trecut de țesut și au ajuns la detector, acesta le convertește în semnale electronice ce
sunt transmise mai departe către computer. Acesta are la rândul lui rolul de a converti semnalele electronice în
imaigni ce pot fi stocate și afișate pe ecran. [50]
Mamografia digitală cuprinde acest tot proces, ce ii oferă posibilitatea utilizatorului de a manipula
contrastul imaginii pentru o claritate preferențială, de a utiliza diagnosticul asistat de calculator (CAD), această
detecție automată a structurilor anormale pe ima gini, scop pe care această lucrare și -l propune a îl realiza. De
asemenea, imaginile sunt stocate în format brut, ceea ce înseamnă ca persoanele specializate pot trimite cu ușurință
în format electronic imginilie către alți experți, care la rândul lor pot modifica imaginile, în special contrastul și
luminozitatea pentru a scoate în evidență structurile respective ce pot fi omise. Pentru crearea unei baze de date și
fără a încărca capacitatea de stocare a aparatului, aceste imagini pot fi transmise către o s tație de post -procesare și
mai departe într -un server ce poate fi conectat cu alte aparate ale instituției.
Aceste stații de post -procesare sunt formate în mod normal din 3 monitoare, unul pentru vizualizarea bazei
de date și două monitoare pentru vizualiz area imaginilor atât a sânului stâng, cât și a sânului drept.
De obicei, radiologii observă mărimea, forma și contrastul pe care o structură îl prezintă, sau marginile
care pot indica posibilitatea unei tumori maligne. De asemenea, mamografia scoate în e vidență foarte bine micile
bucăți de calciu (microcalcificările), care apar ca pete, puncte foarte strălucitoare [50 ] ceea ce poate indica
prezența unui tip specific de cancer.
35
3.2.3 Tipuri de vizualizări mamografice/tehnici de achiziție
Tipurile de vi zualizări sau tehnicile de achiziție a imaginilor sunt legate de modul în care pacienta este
pozișionată și ce se dorește a se vizualiza la mamografie, astfel, aceste tipuri de vizualizări se împart în următoarele
categorii:
➢ Vizualizări standard (CC – Cranio – Caudal, ML – Medio -Lateral, MLO – Medio -Lateral Oblic);
➢ Vizualizări suplimentare. [51]
Vizualizările standard sunt cele utilizate în mod frecvent, la un screening de rutină. Un screening cuprinde
obținerea a 4 imagini, două cranio -caudale, pentru sânul stâng, respectiv, cel drept și două medio -laterale, la fel,
pentru sânul stâng, respectiv cel drept. Vizualizările suplimentare sunt utilizate în momentul în care se dorește a se
vizualiza o parte suplimentară de țesut sau în cazul în care pacienta prezintă sâni de dimensiuni mari.
3.2.3.1 Vizualizare Cranio -Caudală și vizualizarea Medio -Lateral Oblică
Acest tip de vizualizare face parte din categoria vizualizărilor standard și se realizează împreună cu
poziționarea medio -lateral oblică. Se evidențiază partea mediană și laterală externă a sânului. O proiecție CC
corectă prezintă mușchiul pectoral pe marginea posterioară a sânului. În schimb, o vizualizare CC optimă necesită
o porțiune laterală externă a sânului, mușchiul p ectoral de pe marginea superioară și mamelonul din profil. [52]
Cu ajutorul vizualizării MLO se poate obseva mamelonul și musculatura pectorală până la nivelul
mamelonului posterior. Pacienta este poziționată în fața mamografului, brațul acestuia fiind încl inat la 45° [53] și
se utilizează compresia.
3.2.3.2 Vizualizare Medio -Laterală
Acest tip de vizualizare este folosită în special când se dorește identificarea structurilor ce cuprind
microcalcificări. De obicei, acestea nu pot fi vizualizate cu acurate țe din cauza densitații crescute ale ducturilor
lactiferi, astfel că se realizează o nouă vizualizare medio -laterală la 90°. [54]
3.3 Rezonanță Magnetică Nucleară de sân
Această metodă de investigare a sânului este una non -invazivă modernă ce nu implică iraderea pacientei și
completează celelalte metode de investigare. Este folosită de cele mai multe ori în cazul pacientelor care au vârsta
sub 40 de ani și în cazul pacientelor cu un istoric puternic de cancer mamar. De asemenea, această metodă se
foloseșt e în cazul în care mamografie nu poate evidenția cu exactitate structurile identificare deja, RMN -ul de sân
fiind o bună soluție pentru pacientele cu sâni denși.
36
CAPITOLUL 4
SISTEME AUTOMATE DE DETECȚIE A ZONELOR
PATOLOGICE ÎN IMAGINILE MAMOGRAFICE
4.1 Computer Aided Detection/Diagnosis
4.1.1 Scurt istoric
În anul 1967, cercetătorul F. Winsberg CAD a introdus pentru prima dată conceptul de detectare asistată
de calculator, cunoscut sub numele de Computer Aided Detection sau Computer Aided Diagnosi s (CAD) [55].
Acest concept își propunea utilizarea calculatoarelor pentru analiza și detectarea anomaliilor pe mamografii. Mai
târziu, în anul 1972, ideea de CAD s -a extins până la nivelul de clasificare a unor proprietăți pe care computerul
le-ar putea u tiliza pentru detectarea leziunilor pe mamografii:
✓ Calcificarea;
✓ Formă radială;
✓ Rugozitate; [55]
Plecând de la aceste proprietăți descoperite, s -au dezvoltat mai departe diferite caracteristici ce au ajutat
la crearea softului folosit în prezent.
4.1.2 Sis temul CAD
CAD un soft aplicat imaginilor mamografice, obținute în format digital ce are ca scop principal identificarea
și marcarea leziunilor suspecte, masele din țesutul mamar pe care radiologii le -ar putea pierde . Sensibilitatea acestui
intrument înlocu iește incapacitatea ochiului uman de a se concentra asupra fiecărui pixel dintr -o imagine , astfel
CAD captează calcificările sub milimetrice [56] ce prezintă distorsiuni arhitecturale sau forme neregulate, pe care
radiologii le pot omite. De asemenea, prin identificarea zonelor suspecte, măsoară corect densitatea sânilor. Acest
lucru reprezintă un beneficiu major datorită faptului că țesutul mamar dens poate ascunde cu ușurință afecțiunile
maligne, lăsându -le nedescoperite până când nu pot fi tratate.
În pre zent, acest sistem este utilizat cel mai frecvent de liderii de piață, GE Healthcare și Hologic. CAD se
află instalat în diferite instituții fiind utilizat pe imaginile mamografice 2D. Se dorește extinderea și dezvoltarea
utilității către ideea de imagisti că 3D prin folosirea tomosintezei [56] (mai multe imagini 2D suprapuse ce crează
o imagine de ansamblu al sânului).
Compania Hologic, dorește integrarea acestor două intrumente, CAD și imaginile 3D fiind singurul de pe
piață ce deține acest produs. [56] Deține o diversitate de aplicații soft pentru domeniul imagistic printre care cele
dedicate procesării iamginiilor de sân digitale sau digitizare, prezintă următoarele două versiuni de soft:
➢ ImageChecker CAD [57], soft ce folosește o bază de date imensă ș i identifică regiunile de interes
pentru imaginile mamografice în vederea scăderii cazurilor fals pozitive. De asemenea, identifică
eficient masele tumorale, distorsiunile arhitecturale ale țesutului mamar și microcalcificările. [57]
37
➢ Quantra [57], este un soft pentru densitatea sânilor. Acest instrumest este unic pentru evaluarea
densității crescute a sânilor în mod volumetric, adică în mod 3D, furnizând informații exacte cu
privire la compoziția sânilor și permite radiologilor să monitorizeze schimbările apărute în
densitatea sânilor de -a lungul timpului. [57]
4.1.3 Evaluarea performanței sistemului CAD
Pentru demonstrarea utilității unui sistem CAD, acesta poate fi evaluat sub mai multe forme, ci anume: prin
analiza datelor generate într -un laborator sa u setări de teste, sau prin impactul pe care îl are asupra performanței și
fluxului de lucru radiologiștilor în practica clinică actuală.
Se evaluează prin specificitate și senzitivitate în următorul mod, informația poate fi obținută prin observarea
perfor manței sistemului CAD cu ajutorul unui set de cazuri reale sau numite „adevărate”. [58] Aceste cazuri
adevărate sunt confirmate prin verificarea histologică a structurilor examinate.
Sensibilitatea este determinată de procentul de cazuri pozitive în care sistemul CAD plasează un marcaj
corect în locația structurii anormale . Numărul de semne false CAD pe imagine sau caz normal este folosit în mod
obișnuit ca un înlocuitor al specificității . [58] Aceste rezultate sunt strâns legate de baza de date formată al e
cazurilor. C olectarea cazurilor pozitive car e au constatări mai evidente duce la o performanță aparentă superioară
a sistemului CAD, comparativ cu cazurile care sunt mai puțin vizibile, chiar dacă algoritmul CAD este același.
Astfel, același algoritm CAD demonstrează diferite sensibilități și specificități , semne fals pozitive per caz, în
funcție de compoziția cazului.
O metodă frecvent folosită pentru a compara sistemele CAD este de a determina sensibilitatea și ratele de
marcare fa ls pozitive pe acela și set de cazuri de „adevăr”. Aceste cazuri trebuie să fie „necunoscute” sistemului
CAD, adică nu sunt folosite pentru a instrui algoritmii CAD. Este nevoie de un număr mare de cazuri pentru a
stabili semnificația statistică a superiorității sau a echivale nței în performanță atunci când se compară sistemele
CAD. [58]
4.2 Lucrări științifice
De-a lungul anilor s -a dorit optimizarea algoritmului pe care se bazează sistemul CAD în vederea
identificării anormalităților pe imagini mamografice. S -au folosit div erse metode prin care să se evidențieze diferite
caracteristici, printre care vom puncta câteva posibilități de detecție automată a posibilelor structuri patologice din
imaginile mamografice digitale.
Una dintre metode o reprezintă abordarea unei rețele ne uronale optimizată [59]. S-a utilizat o bază de date
formată din 216 imagini mamografice a 54 de paciente ce a fost luată din centrele de screening mamografic. Baza
de date în timp real include un spectru larg de cazuri dificil de clasificat de către radio logi. Toate mamografiile
clinice care au fost colectate de la clinici de screening au fost pozitive pentru prezența anomaliilor. Pentru fiecare
pacient ă asimptomatică au fost luate câte 4 mamografii cu diferite vizualizări , una este Cranio -Caudal (CC), iar
cealaltă este Medio -Lateral Oblică (MLO). Cele două proiecții ale fiecărui sân (drept și stâng) au fost luate pentru
fiecare caz. Regiunile suspecte au fost identificate de sistemul automatizat, bazat pe mai multe mașini de învățare
a algoritmilor și a fost revăzut de către radiologi. [59]
38
Pentru aplicarea acestei metode au fost luate în total 216 de mamografii, toate mamografiile au fost
digitizate la o rezoluție de 2 90 × 290 puncte per inch, care produce 24 de biți/ pixel. Fiecare mamografie digitizată
a fost încorporată într -o imagine de 2020 × 2708 pixeli, reprezentând rezoluția imaginii. [59]
În cadrul acestei metode s -au urmat mai multe etape, printre care prima etapă este reprezentată de
procesarea imaginii în cadrul căreia s -a separat regiunea de int eres a sânului de fundalul negru a mamografiei
printr -o tehnică globală de prăguire. Următoarea etapă o constituie formarea de histogramă de intesitate , iar
valoarea pragului local este aleasă prin examinarea statică a valorilor intensității din vecinătate a locală a fiecărui
pixel. Media calculată a distribuției intensității locale este calculată și folosită ca valoare de prag. Se observă ca
suprafață țesutului mamar pe care o ocupă în imagine este în proporție de 30%, astfel se realizează o segmentare
pentru a economisi timp în prelucrarea ulterioară a imaginilor. După această fază, urmează etapa de extragere a
caracteristilor prin aplicarea unor mici nuclee de convoluție pentru regiunilor de interes apoi procesarea imaginilor
folosind ferestruire, scop în clasificarea texturilor pentru producerea unei hărți de clasificare a imaginii inițiale, în
care fiecare zonă uniformă este identificată pe baza clasei texturii. Clasificarea s -a realizat cu ajutorul unei rețele
neurale de tip wavelet. [59]
La sfârțitul l ucrării, s -a ajuns la concluzia că rezultatele obținute au oferit o precizie de clasificare mai bună
decât clasificatorii tradiționali. Rețeaua neurala de tip wavelet optimizată accelerează convergența algoritmului și
evită întreruperile majore în direcția învățării.
Alte metode folosite pentru detecția și segmentarea imaginilor mamografice digitale sunt reprezentate de
diferite metode separate în metode supervizate și nesupervizate. [60]
Metodele supervizate sunt reprezentate de metode bazate pe model, ce funcționează pe baza cunoștințele
anterioare despre regiunile de interes și de fond care urmează să fie segmentate. Informațiile anterioare sunt
utilizate pentru a determina dacă anumite regiuni sunt prezente sau nu într -o imagine. [60]
Metodele nesupervi zate sunt împărțite în mai multe tehnici și anume, metodă bazată pe regiunea de interes,
metoda bazată pe contur și metode de clustering ( o colecție de obiecte care sunt „similare” între ele și sunt „diferite”
față de obiectele aparținând altor clustere ). [61] La rândul lor aceste metode se împart în alte submetode de
procesare și segmentare a imaginilor.
Tehnicile bazate pe regiunea de interes sunt caracterizate prin diferite soluții. Una dintre ele, numită chiar
„regiune de creștere” reprezentată prin pro pagarea unei „semințe” ce este inițial un punct ce crește în funcție de
criteriul de omogenitate speicifc țesutului. Această soluție are ca scop principal segmentarea masei tumorale prin
extragerea leziunii canceroase. O altă soluție ce face parte din cate goria metodelor bazate pe regiunea de interes
este o transformare bazată pe tehnici matematice morfologice ce segmentează reginile imaginii pe diferite niveluri
numite bazine. Pentru acest algoritm a fost necesar pre -procesarea imaginii, astfel s -au folosi t mai multe metode
printre care extragerea de histogramă, aplicarea efectului de blurr, sau extragerea structurilor ce prezintă formă
curbilinie. [60]
Tehnicile bazate pe contur se bazează pe detectarea marginilor. Un obstacol il reprezintă separarea
granițelor dintre masa tumorală respectivă și țesutul normal, de aceea în cele mai multe lucrări se folosește filtrarea
imaginii cu scopul de a evidenția marginile relevante.
Tehncicile bazate pe metoda de clustering sunt cele mai comune și frecvent folosite î n diferite lucrări de
specialitate. [60] Aceste tehnici fac parte din clasa celor nesupervizate deoarece folosesc algoritmul K -Means ce
este o metodă supervizată. K -Means constă în gruparea pe clase a caracteristilor aflate în imagini.
39
CAPITOLUL 5
DESCRIE REA SISTEMULUI PROPUS
În această parte va fi descris atât sistemul propus , detecția automată a structurilor patologice ce par
suspicioase d in mamografiile digitale, tehnicile de realizare a imaginilor prelucrate, rezultatele obținute în urma
aplicării alg oritmilor și testarea eficienței sistemului.
Tema lucrării propuse se focusează pe ideea de detecție și a segmentării imaginilor. Algoritmii folosiți sunt
strict dedicați pentru detecție deoarece scopul sistemului este de a identifica leziunile potențiale ce prezintă
caracteristici diferite față de țesutul din vecinătate. Sistemul detectează prin compararea trăsăturilor și marchează
printr -un punct zona considerată suspicioasă.
Scopul acestei lucrări este de a identifica care dintre cele două metode realiz ate prezintă o eficiență
superioară în detectarea leziunilor și modul cum mărimea, forma, caract eristicile țesutului mamar pot influența
performanța algoritmilor de detecție.
5.1 Baza de date
Pentru realizarea acestui sistem, s -au folosit imagini din baza de date MIAS – Mammographic Image
Analysis Society [62]. Această bază de date conține un document numit ReadMe în care se află toate datele
necesare cu privire la imaginile mamografice, ce sunt în număr de 322, câte două imagini pentru aceeași pacientă,
o mamografie pentru sânul stâng, respectiv o mamografie pentru sânul drept. Imaginile sunt achiziționate în
poziționări Medio -Lateral și Medio -Lateral Oblic.
Au fost alese 10 imagini din baza de date MIAS în vederea testării eficienței algoritmilor de det ecție.
Acestea au fost alese astfel încât structurile tumorale să fie de dimensiuni și forme diferite cu mase ce pot fi
indentificate relativ ușor. Dimensiunea unei imagini mamografice este de 2048 x 4320 de pixeli, în scală de gri,
256 de nivele de gri pr ezente.
Fiecare imagine are un nume de fișier format din mai multe caracteristici ce vor fi descrise în tabelul de
mai jos:
Coloana 1 Coloana 2 Coloana 3 Coloana 4 Coloana 5 Coloana 6 Coloana 7
mdb001lm G CIRC B 1815 1116 790
mdb002rl G CIRC B 3091 1262 277
mdb010rm F CIRC B 2509 975 135
mdb017ls G CIRC B 2407 943 192
mdb021ll G CIRC B 612 122 197
mdb028rl F CIRC M 2953 1999 224
mdb081ll G ASYM B 2007 1220 525
mdb090rm G ASYM M 2021 1035 198
mdb095ll F ASYM M 2181 1118 116
mdb102rm D ASYM M 2369 1412 152
Tabel 1 Caracteristicilor imaginilor din baza de date MIAS
40
Coloana 1 – numărul de referință al bazei de date MIAS; numele imaginii este format din mai multe
părți cu următoarele semnificații:
➢ mdb – Mias Data Base ;
➢ număr serial format din trei digiți;
➢ l sau r – left (s ân stâng) sau right (sân drept).
Coloana 2 – caracterul de bază al țesutului mamar:
➢ F – Fatty (țesut adipos);
➢ G – Fatty -Glandular (țesut adipos glandular);
➢ D – Dense -Glandular (șesut dens glandular).
Coloana 3 – tipul de anorma litate prezentă în imagine:
➢ CALC – Calcification (calcificări/microcalcificări);
➢ CIRC – Well -defined/circumscribed masses (masă bine definită cu formă circumscrisă);
➢ SPIC – Spiculated masses (masă tumorală cu poziție centrală din care se extind aceeași st ructură
tumorală doar sub formă de raze ce se aseamănă cu raze de soare sau cu mici partcule de gheață);
➢ MISC – Other, ill -defined masses (mase ce nu pot fi definite);
➢ ARCH – Architectural distorsion (distorsiuni architecturale);
➢ ASYM – Asymmetry (formă as imetrică);
➢ NORM – Normal (sân normal cu țesut mamar sănătos).
Pentru testarea algoritmilor s -au ales imagini doar care au prezentat forme circulare, bine definite și imagini
care se află la polul opus, care au forme asimetrice . De asemenea, dacă microcalc ificările erau prezente, centrul
locațiilor sau razele erau alocate cluster -elor nu fiecărei microcalcificări în parte.
Coloana 4 – gradul de severitate al tumorii:
➢ B – Benign (tumoare benignă);
➢ M – Malignă (tumoare malignă);
Imaginile au fost alese ast fel încât baza de date pentru prelucrarea imaginilor să conțină atât imagini cu
tumori maligne, cât și cu tumori benigne.
Colo ana 5 și 6 – coordonatele centrului structurii tumorale (x,y) .
Coloana 7 – raza aproximativă în pixeli a unui cerc ce închide st ructurla anormală din imaginea
mamografică.
41
Se cunoaște faptul că imaginile bazei de date MIAS au structuri extrem de greu de identificat cu forme
neregulate, de aceea s -a ales selectarea a 5 imagini din alte surse în care structurile canceroase sunt de di mensiuni
mai mici și au o formă bine delimitată și ușor de observat, în evidențierea performanței algoritmilor. Aceste
imagini au fost notate astfel imag1, imag2, imag3, imag4, imag5.
5.2 Implementare și metode de realizare a sistemului
Implementarea algoritmilor s -a realizat în MATLAB, platformă optimizată și dedicată pentru rezolvarea
problemelor științifice și inginerești. Reprezintă un mediu de calcul numeric și de programa re bazat pe folosirea
matricilor , plot -area funcțiilor și datelor, implement area algoritmilor și creare de interfețe.
Această platformă a oferit posibilitatea creării algoritmilor de detecție a structurilor suspicioare și folosirea
unei interfețe grafice în vederea afișării imaginilor obținute.
Sistemul creat propune marcarea cu un punct verde centrul structurii tumorale și încercuirea acesteia
bazându-se pe coordonatele și raza cercului , informații deja existene în baza de date MIAS, iar cu puncte roșii vor
fi marcate zonele potențial suspecte. Pentru afișarea cercului închis ce indică structura respectivă s -a folosit o
funcție predifinită MATLAB numită viscircles . Această funcție are sintaxa următoare: viscircles (centers, radii)
sau viscircles (ax, centers, radii) , folosindu -se prima, iar proprietățile cercului cu privire la cul oare și stil s -au
folosit cele standard, „solid line”, respectiv „red”. [63]
În vederea realizării acestui sistem, s -au folosit două metode:
➢ Metodă bazată pe extragere de trăsături;
➢ Metoda LBP (Local Binary Pattern).
5.2.1 Metoda bazată pe extragere de tr ăsături
Această metodă constă în glisarea a mai multor ferestre, de diferite dimensiuni pe imaginea respectivă și
extrage rea de trăsături conținute în acea fereastră. Aceste trăsături sunt reprezentate de histograma nivelurilor de
gri.
Histograma nivelur ilor de gri reprezintă o funcție care asociază fiecarui nivel de gri prezent în imagine
frecvența sa de aparație, astfel putem spune că estimează o densitate de probabilități. Deși această tehnică are mai
multe proprietăți atât pentru îmbunătățirea contras tului cât și pentru îmbunătățirea luminozității, este folosită și
pentru segmentarea imaginii, lucru ce a fost realizat în prima parte a proiectului.
S-au ales 5 clase de ferestre, câte două ferestre pentru fiecare clasă, o fereastră mică și o fereastră ma re de
dimensiune aproximativ dublă față de cea mică. În tabelul de mai jos sunt reprezentate dimensiunile
ferestrelor/măștilor cu ajutorul cărora s -au extras trăsăturile:
Clasa 1 Clasa 2 Clasa 3 Clasa 4 Clasa 5
Mască
Mică Mască
Mare Mască
Mică Mască
Mare Mască
Mică Mască
Mare Mască
Mică Mască
Mare Mască
Mică Mască
Mare
25 x 25 51 x
51 41 x 41 85 x
85 75 x 75 151 x
151 151 x
151 303 x
303 211 x
211 423 x
423
Tabel 2 Dimensiunilor ferestrelor
42
Principiul funcționării acestui algoritm constă în glisarea concomitentă a celor două ferestre, cea mică fiind
inclusă în cea mare. Pentru fiecare dintre cele două ferestre s -a extras histograma nivelurilor de gri a zonei
respective, rezult atul fiind pus într -o matrice, dimensiunile acesteia variază în funcție de clasa de ferestre folosită .
Pentru că sistemul se bazează pe compararea pixelilor din vecinătate, s -a realizat o diferență între cele două ferestre,
valorile fiind puse ulterior într -o altă matrice care a fost împărțită la numărul total de feres tre glisante. Aceste
diferențe obținute s -au afișat într -o hartă de distanțe. Din harta de distanță se observă pixelii cu intensitatea cea mai
mare ceea ce înseamnă că în acea zonă ar putea fi o structură anormală, iar acea zonă devină un punct de interes.
Cu valoarea aflată de pe harta de distanțe s -au impus mai multe praguri. Sistemul este capabil să afle coordonatele
punctelor de interes și să le transpună în imaginea inițială citită la început. Astfel pe imaginea inițială se poate
vizualiza atât punctel e de interes detectate de sistem, ce sunt marcate cu roșu, cât și un punct verde ce descrie
centrul real al structurii anormale împreună cu cercul ce închide geometria tumorii, aceste informații aflându -se în
documentul bazei de date MIAS.
Algoritmul s -a rulat de mai multe ori folosind pași diferiți între ferestrele glisate : 150, 125, 100, 75, 50, 25.
S-a constat faptul că pasul de 25 oferă mai multe informații pe harta de distanțe, astfel algoritmul a fost folosit
pentru toate imaginile cu acest pas . Mai jos se află un exemplu a hărților de distanțe obținute folosind pași de rulare
diferiți:
(a)
(b)
(c)
(d)
(e)
(f)
Tabel 3 Hărți de distanțe corespunzătoare următorilor pași: (a) pas de 150, (b) pas de 125, (c) pas de
100, (d) pas de 75, (e) pas de 50, (f) pas de 25
43
Pentru observarea detectării zonelor de interes ce par suspic ioase, s -au impus trei praguri și anume de 80%,
90%, 97%. Aceste praguri au fost înmulțite cu valoare intensității maxime, rezultat ce permite marcarea pixelilor
ce prezintă o valoare mai mare faț ă de acest rezultat.
5.2.2 Metoda Local Binary Pattern
Această metodă constă în pre -procesarea imaginii inițiale prin tehnica Local Binary Pattern (LBP) – [64]
după care se aplică algoritmul descris mai sus în subcapitul 5.2.1.
Tehnica Local Binary Pattern este reprezentat de o fereastră glisantă de dimensiunea 3 x 3 care parcuge
imaginea inițială și aplică următorul algoritm. Compară cele 8 valori ale pixelilor din vecinătate cu valorea
pixelului central.
Dacă valoarea pixelului din vecinătate este mai mare sau egal, pixelul curent ia valoarea 1, în caz contrat ,
daca valoarea pixelului din vecinătate este mai mic decât valoarea pixelului central, acesta ia valoarea 0. Astfel
parcurgând circular matricea de 3 x 3 excluzând valoarea pielului central, se va obține un număr format din 8 cifre
formate doar din 0 și 1 . Acest număr reprezintă un număr ce va fi transformat într -un număr decimal. Valoarea
finală va fi pusă în locul pixelului central. Astfel se recrează o nouă matrice a imaginii inițiale.
După, terminarea acestui algoritm LBP, imaginii nou obținute i se aplică algoritmul de extragere a
histogramelor pe ferestre.
5.4 Rezultate
În urma efectuării și rulării algoritmilor pe ferestrele cu dimensiuni diferite descrise în Tabel 2 și aplicării
celor 3 praguri, rezultatele obținute sunt descrise în tabelele de m ai jos. S -au contorizat numărul de puncte detectate
în total de cătr e sistem, numărul de puncte fals-pozitive apropiate de poziția reală a structurii tumorale și numărul
de puncte care se află aproape de centrul real al patologiei aflate în mamografie.
Imagine
Inițială Dimensiunea
inițială Nr. de poziții
identificate
în total Nr. de poziții fals –
pozitive apropiate de
poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 80 25 1
mdb002rl [3091 1262]
raza de 277 104 7 1
mdb010rm [2509 975]
raza de 192 42 0 0
mdb017ls [2407 943]
raza de 192 101 1 1
mdb021ll [590 1074]
raza de 197 78 0 1
44
mdb028rl [2953 462]
raza de 224 49 0 0
mdb081ll [2007 1220]
raza de 525 14 1 1
mdb090rm [2021 1035]
raza de 198 131 0 0
mdb095ll [2181 1118]
raza de 116 103 0 0
mdb102rm [2369 638 ]
raza de 152 43 1 1
Tabel 4 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și fereastră mare de
51 x 51 cu pas de 25 și prag de 80% pentru imaginile mamografice din baza de dat e MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de poziția
reală
imag1 17 0 1
imag2 10 2 1
imag3 6 1 1
imag4 16 0 1
imag5 20 2 1
Tabel 5 Rezultate în urma aplicări i clasei 1 de ferestre – fereastră mică de
25 x 25 și fereastră mare de 51 x 51 cu pas de 25 și prag de 80% pentru
imaginile din alte surse
45
Imagine
Inițială Dimensiunea
inițială Nr. de poziții
identificate
în total Nr. de poziții fals –
pozitive ap ropiate
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 105 13 1
mdb002rl [3091 1262]
raza de 277 63 2 1
mdb010rm [2509 975]
raza de 192 207 3 1
mdb017ls [2407 943]
raza de 192 118 2 1
mdb021ll [590 1074]
raza de 197 302 0 0
mdb028rl [2953 462]
raza de 224 718 6 1
mdb081ll [2007 1220]
raza de 525 273 11 1
mdb090rm [2021 1035]
raza de 198 292 7 1
mdb095ll [2181 1118]
raza de 116 100 1 1
mdb102rm [2369 638 ]
raza de 152 406 4 1
Tabel 6 Rezultate în urma ap licării clasei 2 de ferestre – fereastră mică de 41 x 41 și fereastră mare
de 85 x 85 cu pas de 25 și prag de 80% pentru imaginile mamografice din baza de date MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poz iția reală Nr. de poziții
apropiate de poziția
reală
imag1 11 2 1
imag2 63 5 1
imag3 3 2 1
imag4 10 0 1
imag5 29 1 1
Tabel 7 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de
41 x 41 și fereastră mare de 85 x 85 cu pas de 25 și pra g de 80% pentru
imaginile din alte surse
46
Imagine
Inițială Dimensiunea
inițială Nr. de poziții
identificate în
total Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 429 11 1
mdb002rl [3091 1262]
raza de 277 645 6 1
mdb010rm [2509 975]
raza de 192 6 1 1
mdb017ls [2407 943]
raza de 192 536 3 1
mdb021ll [590 1074]
raza de 197 97 0 0
mdb028rl [2953 462]
raza de 224 797 6 1
mdb081ll [2007 1220]
raza de 525 897 4 1
mdb090rm [2021 1035]
raza de 198 514 2 1
mdb095ll [2181 1118]
raza de 116 176 1 1
mdb102rm [2369 638 ]
raza de 152 569 6 1
Tabel 8 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de 75 x 75 și fereastră mare
de 151 x 151 cu pas de 25 și prag de 80% pentru imaginile mamografice din baza de date MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de poziția
reală
imag1 11 2 1
imag2 63 5 1
imag3 3 2 1
imag4 10 0 1
imag5 29 1 1
Tabel 9 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de
75 x 75 și fereastră mare de 151 x 151 cu pas de 25 și prag de 80% pentru
imaginile din alte surse
47
Imagine
Inițială Dimensiunea inițială Nr. de poziții
identificate
în total Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966] raza de 790 399 6 1
mdb002rl [3091 1262] raza de 277 544 4 1
mdb010rm [2509 975] raza de 192 270 5 1
mdb017ls [2407 943] raz a de 192 524 3 1
mdb021ll [590 1074] raza de 197 621 2 1
mdb028rl [2953 462] raza de 224 12 0 0
mdb081ll [2007 1220] raza de 525 533 13 1
mdb090rm [2021 1035] raza de 198 704 3 1
mdb095ll [2181 1118] raza de 116 13 0 0
mdb102rm [2369 638 ] raza de 15 2 152 0 1
Tabel 10 Rezultate în urma aplicării clasei 4 de ferestre – fereastră mică de 151 x 151 și fereastră
mare de 303 x 303 cu pas de 25 și prag de 80% pentru imaginile mamografice din baza de date MIAS
Imagine
Inițială Dimensiunea inițială Nr. de poziții
identificate
în total Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966] raza de 790 511 5 1
mdb002rl [3091 1262] raza de 277 638 2 1
mdb010rm [2509 975] raza de 192 289 0 0
mdb 017ls [2407 943] raza de 192 354 0 0
mdb021ll [590 1074] raza de 197 453 0 1
mdb028rl [2953 462] raza de 224 191 1 1
mdb081ll [2007 1220] raza de 525 39 3 1
mdb090rm [2021 1035] raza de 198 167 3 1
mdb095ll [2181 1118] raza de 116 349 0 0
mdb102rm [2369 638 ] raza de 152 470 2 1
Tabel 11 Rezultate în urma aplicării clasei 5 de ferestre – fereastră mică de 211 x 211 și fereastră
mare de 423 x 423 cu pas de 25 și prag de 80% pentru imaginile mamografice din baza de date MIAS
48
Imagine
Inițială Dime nsiunea
inițială Nr. de poziții
identificate în
total Nr. de poziții fals –
pozitive apropiate de
poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 17 0 1
mdb002rl [3091 1262]
raza de 277 25 0 0
mdb010rm [2509 975]
raza de 192 5 0 0
mdb017ls [2407 943]
raza de 192 12 0 0
mdb021ll [590 1074]
raza de 197 12 0 0
mdb028rl [2953 462]
raza de 224 6 0 0
mdb081ll [2007 1220]
raza de 525 5 1 1
mdb090rm [2021 1035]
raza de 198 21 0 0
mdb095ll [2181 1118]
raza de 116 24 0 0
mdb102rm [2369 638 ]
raza de 152 7 0 0
Tabel 12 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și fereastră
mare de 51 x 51 cu pas de 25 și prag de 90% pentru imaginile mamografice din baza de date
MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de poziția
reală
imag1 5 0 0
imag2 3 0 0
imag3 3 0 1
imag4 3 0 1
imag5 6 0 1
Tabel 13 Rezultate în urma aplicării clasei 1 de ferestre – fereas tră mică de
25 x 25 și fereastră mare de 75 x 75 cu pas de 25 și prag de 90% pentru
imaginile din alte surse
49
Imagine
Inițială Dimensiunea
inițială Nr. de poziții
identificate în
total Nr. de poziții
fals-pozitive
apropiate de
poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 9 0 1
mdb002rl [3091 1262]
raza de 277 3 0 0
mdb010rm [2509 975]
raza de 192 12 0 1
mdb017ls [2407 943]
raza de 192 4 1 1
mdb021ll [590 1074]
raza de 197 14 0 0
mdb028rl [2953 462]
raza de 224 59 2 1
mdb081ll [2007 1220]
raza de 525 7 0 0
mdb090rm [2021 1035]
raza de 198 25 0 0
mdb095ll [2181 1118]
raza de 116 8 0 0
mdb102rm [2369 638 ]
raza de 152 30 1 1
Tabel 14 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de 41 x 41 și fereastră
mare de 85 x 85 cu pas de 25 și prag de 90% pentru imaginile mamografice din baza de date
MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de poziția
reală
imag1 1 0 1
imag2 18 2 1
imag3 2 1 1
imag4 2 0 1
imag5 4 0 1
Tabel 15 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de
41 x 41 și fereastră mare de 85 x 85 cu pas de 25 și prag de 90% pentru
imaginile din alte surse
50
Imagine
Inițială Dimensiunea
inițială Nr. de poziții
identificate în
total Nr. de poziții
fals-pozitive
apropiate de
poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 37 9 1
mdb002rl [3091 1262]
raza de 277 63 1 1
mdb010rm [2509 975 ]
raza de 192 2 1 1
mdb017ls [2407 943]
raza de 192 73 0 0
mdb021ll [590 1074]
raza de 197 5 0 0
mdb028rl [2953 462]
raza de 224 84 5 1
mdb081ll [2007 1220]
raza de 525 262 2 1
mdb090rm [2021 1035]
raza de 198 40 1 1
mdb095ll [2181 1118]
raza de 116 17 1 1
mdb102rm [2369 638 ]
raza de 152 72 1 1
Tabel 16 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de 75 x 75 și fereastră mare de
151 x 151 cu pas de 25 și prag de 90% pentru imaginile mamografice din baza de date MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de poziția
reală
imag1 1 0 1
imag2 18 2 1
imag3 2 1 1
imag4 2 0 1
imag5 4 0 1
Tabel 17 Rezultate în urma aplicării clasei 3 de ferestr e – fereastră mică de
75 x 75 și fereastră mare de 151 x 151 cu pas de 25 și prag de 90% pentru
imaginile din alte surse
51
Imagine
Inițială Dimensiunea inițială Nr. de poziții
identificate în
total Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966] raza de 790 29 0 0
mdb002rl [3091 1262] raza de 277 106 5 1
mdb010rm [2509 975] raza de 192 11 0 0
mdb017ls [2407 943] raza de 192 140 0 0
mdb021ll [590 1074] raza de 197 145 0 0
mdb028rl [2953 462] raza de 224 8 0 0
mdb081ll [2007 1220] raza de 525 92 7 1
mdb090rm [2021 1035] raza de 198 182 2 1
mdb095ll [2181 1118] raza de 116 5 0 0
mdb102rm [2369 638 ] raza de 152 7 0 0
Tabel 18 Rezultate în urma aplicării clasei 4 de ferestre – ferea stră mică de 151 x 151 și fereastră
mare de 303 x 303 cu pas de 25 și prag de 90% pentru imaginile mamografice din baza de date
MIAS
Imagine
Inițială Dimensiunea inițială Nr. de poziții
identificate în
total Nr. de poziții fals –
pozitive apropiate
de pozi ția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966] raza de 790 86 2 1
mdb002rl [3091 1262] raza de 277 131 0 0
mdb010rm [2509 975] raza de 192 34 0 0
mdb017ls [2407 943] raza de 192 117 0 0
mdb021ll [590 1074] raza de 197 149 0 0
mdb028rl [2953 462] raza de 224 10 0 0
mdb081ll [2007 1220] raza de 525 15 2 1
mdb090rm [2021 1035] raza de 198 19 2 1
mdb095ll [2181 1118] raza de 116 113 0 0
mdb102rm [2369 638 ] raza de 152 117 1 1
Tabel 19 Rezultate în urma aplicării clasei 5 de ferestre – fereastră mică de 211 x 211 și fereastră
mare de 423 x 423 cu pas de 25 și prag de 90% pentru imaginile mamografice din baza de date
MIAS
52
Imagine
Inițială Dimensiunea
inițială Nr. de poziții
identificate în
total Nr. de poziții
fals-pozitive
apropiate de
poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 2 0 0
mdb002rl [3091 1262]
raza de 277 6 0 0
mdb010rm [2509 975]
raza de 192 1 0 0
mdb017ls [2407 943]
raza de 192 1 0 0
mdb021ll [590 1074]
raza de 197 1 0 0
mdb028rl [2953 462]
raza de 224 2 0 0
mdb081ll [2007 1220]
raza de 525 1 0 1
mdb090rm [2021 1035]
raza de 198 4 0 0
mdb095ll [2181 1118]
raza de 116 3 0 0
mdb102rm [2369 638 ]
raza de 152 1 0 0
Tabel 20 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de 25 x 25 și fereastră
mare de 51 x 51 cu pas de 25 și prag de 97% pentru imaginile mamografice din baza de date
MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de poziția
reală
imag1 2 0 0
imag2 1 0 0
imag3 1 1 0
imag4 1 1 0
imag5 1 0 0
Tabel 21 Rezultate în urma aplicării clasei 1 de ferestre – fereastră mică de
25 x 25 și fereastră mare de 51 x 51 cu pas de 25 și prag de 90% pentru
imag inile din alte surse
53
Imagine
Inițială Dimensiunea
inițială Nr. de poziții
identificate în
total Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 1 0 0
mdb002rl [3091 1262]
raza de 277 1 0 0
mdb010rm [2509 975]
raza de 192 1 0 0
mdb017ls [2407 943]
raza de 192 2 0 1
mdb021ll [590 1074]
raza de 197 1 0 0
mdb028rl [2953 462]
raza de 224 5 0 0
mdb081ll [2007 1220]
raza de 525 1 0 0
mdb090rm [2021 1035]
raza de 198 3 0 0
mdb095ll [2181 1118]
raza de 116 1 0 0
mdb102rm [2369 638 ]
raza de 152 2 0 0
Tabel 22 Rezultate în urma aplicării clasei 2 de ferestre – fereastră mică de 41 x 41 și fereastră
mare de 85 x 85 cu pas de 25 și prag de 97% pentru imaginile mamografice din ba za de date
MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de poziția
reală
imag1 1 0 1
imag2 4 0 0
imag3 2 0 1
imag4 1 0 0
imag5 1 0 0
Tabel 23 Rezultate în urma apl icării clasei 2 de ferestre – fereastră mică de
41 x 41 și fereastră mare de 85 x 85 cu pas de 25 și prag de 90% pentru
imaginile din alte surse
54
Imagine
Inițială Dimensiunea
inițială Nr. de poziții
identificate
în total Nr. de poziții fals –
pozitive apropiat e
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966]
raza de 790 4 0 0
mdb002rl [3091 1262]
raza de 277 5 0 0
mdb010rm [2509 975]
raza de 192 1 0 0
mdb017ls [2407 943]
raza de 192 2 1 0
mdb021ll [590 1074]
raza de 197 1 0 0
mdb028rl [2953 462]
raza de 224 2 0 0
mdb081ll [2007 1220]
raza de 525 30 2 1
mdb090rm [2021 1035]
raza de 198 1 0 0
mdb095ll [2181 1118]
raza de 116 3 0 0
mdb102rm [2369 638 ]
raza de 152 3 0 0
Tabel 24 Rezultate în urma aplicării clasei 3 de feres tre – fereastră mică de 75 x 75 și fereastră
mare de 151 x 151 cu pas de 25 și prag de 97% pentru imaginile mamografice din baza de date
MIAS
Imagine
Initiala Nr. de
poziții
identificate Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziț ii
apropiate de poziția
reală
imag1 1 0 1
imag2 3 0 0
imag3 1 0 1
imag4 1 0 1
imag5 3 0 1
Tabel 25 Rezultate în urma aplicării clasei 3 de ferestre – fereastră mică de
75 x 75 și fereastră mare de 151 x 151 cu pas de 25 și prag de 90% pentru
imaginil e din alte surse
55
Imagine
Inițială Dimensiunea inițială Nr. de poziții
identificate în
total Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966] raza de 790 6 0 0
mdb002rl [3091 1262] raza de 277 9 0 0
mdb010rm [2509 975] raza de 192 2 1 1
mdb017ls [2407 943] raza de 192 34 0 0
mdb021ll [590 1074] raza de 197 5 0 0
mdb028rl [2953 462] raza de 224 4 0 0
mdb081ll [2007 1220] raza de 525 7 0 1
mdb090rm [2021 1035] raza de 198 10 2 1
mdb0 95ll [2181 1118] raza de 116 2 0 0
mdb102rm [2369 638 ] raza de 152 2 0 0
Tabel 26 Rezultate în urma aplicării clasei 4 de ferestre – fereastră mică de 151 x 151 și fereastră
mare de 303 x 303 cu pas de 25 și prag de 97% pentru imaginile mamografice din baza de date
MIAS
Imagine
Inițială Dimensiunea inițială Nr. de poziții
identificate în
total Nr. de poziții fals –
pozitive apropiate
de poziția reală Nr. de poziții
apropiate de
poziția reală
mdb001lm [1798 966] raza de 790 17 2 1
mdb002rl [3091 1262] raza de 277 12 0 0
mdb010rm [2509 975] raza de 192 3 0 0
mdb017ls [2407 943] raza de 192 22 0 0
mdb021ll [590 1074] raza de 197 22 0 0
mdb028rl [2953 462] raza de 224 4 0 0
mdb081ll [2007 1220] raza de 525 3 0 0
mdb090rm [2021 1035] raza de 198 7 2 1
mdb095ll [2181 1118] raza de 116 7 0 0
mdb102rm [2369 638 ] raza de 152 20 0 1
Tabel 27 Rezultate în urma aplicării clasei 5 de ferestre – fereastră mică de 211 x 211 și fereastră
mare de 423 x 423 cu pas de 25 și prag de 97% pentru imaginile mamografi ce din baza de date
MIAS
56
În urma rezultatelor obținute s -a realizat următoarea statistică descrisă în Tabelul 28 , respectiv
Tabelul 2 9. De asemenea s -a realizat și o vizualizare a procentajelor detecțiilor obținute cu cele 5 clase de
ferestre și cele 3 praguri aplicate imaginilor.
Masca de
25 x 25 si
51 x 51 Masca de
41 x 41 si
85 x 85 Masca de
75 x 75 si
151x 151 Masca de
151x 151 si
303 x 303 Masca de
211 x 211 si
423 x 423
Prag 80 60% 90% 90% 80% 70%
Prag 90 20% 50% 80% 30% 40%
Prag 97 10% 10% 10% 30% 30%
Tabel 28 Statistică a detecțiilor pe imaginile din baza de date MIAS
Figura 11 Performanța algoritmilor de detecție în imaginile din baza de date MIAS
0%10%20%30%40%50%60%70%80%90%100%
Masca de 25 x
25 si 51 x 51Masca de 41 x
41 si 85 x 85Masca de 75 x
75 si 151x
151Masca de
151x 151 si
303 x 303Masca de 211
x 211 si 423 x
423Prag 80
Prag 90
Prag 97
57
Masca de 25 x 25
si 51 x 51 Masca de 41 x 41
si 85 x 85 Masca de 75 x 75 si
151x 151
Prag 80 100% 100% 100%
Prag 90 60% 100% 100%
Prag 97 40% 40% 80%
Tabel 2 9 Statistică a detecțiilor pe imaginile din alte surse
Figura 1 2 Performanța algoritmilor de detecție în imaginile din alte surse
Având în vedere numărul mare de detecții cu pragul de 80 și numărul prea mic de detecții cu pragul de 97,
s-a constat faptul că pragul de 90 este pragul optim în detecție și luând în considerare performanța algoritmilor cu
acest prag atât pe imaginile mamografice din baza de date MIAS , cât și pe imaginile mamografice cu structuri ușor
identificabile din alte surse, s -a observat faptul că masca cu fereatra mică de 75 x 75 și fereastră mare de 151 x 151
ce face parte din clasa 3 de mască, prezintă gradul cel mai mare de eficiență.
Astfel , gradul de performanță cel mai ridicat al acestui sistem îl reprezintă clasa 3 de mască cu fereastră
mica de 75 x 75 și fereastră mare de 151 x 151 folosind prag de 90% și pas între ferestrele succesive de 25.
Ajungând la această concluzie, etapa următo are a acestei lucrări a constat în aplicarea tuturor imaginilor
algoritmul de Local Binary Pattern, urmând ca imaginile să fie din nou procesate folosind caracteristicile
algor itmului care a prezentat gradul de performanță cel mai mare.
Rezultatele obținut e pentru algoritmul LBP se află în tabelul de mai jos:
0%20%40%60%80%100%120%
Masca de 25 x 25 si
51 x 51Masca de 41 x 41 si
85 x 85Masca de 75 x 75 si
151x 151Prag 80
Prag 90
Prag 97
58
Imagine
Inițială Dimensiunea imaginii Nr. de poziții
identificate Nr. de poziții apropiate
de poziția reală
mdb001lm [1798 966] raza de 790 82 0
mdb002rl [3091 1262] raza de 277 6 0
mdb010rm [2509 975] raza de 192 2 0
mdb017ls [2407 943] raza de 192 3 0
mdb021ll [590 1074] raza de 197 2 0
mdb028rl [2953 462] raza de 224 1 0
mdb081ll [2007 1220] raza de 525 11 0
mdb090rm [2021 1035] raza de 198 10 1
mdb095ll [2181 1118] raza de 116 5 0
mdb 102rm [2369 638 ] raza de 152 5 0
imag1
4 0
imag2
7 0
imag3
2 0
imag4
1 0
imag5
5 1
Tabel 30 Rezultatele detecției folosind algoritmul LBP atât pe
imaginile din baza de date MIAS și pe cele din alte surse
Algoritmul Local Binary Pattern împreun ă cu metoda extragerea trăsăturilor folosind ferestre, a condus
la obținerea unui rezultat de doar 13,33%, însemnând că precizia acestuia are un grad mult mai mic față de
metoda simplă cu ferestre.
59
CONCLUZII
Prin tema propusă, s -a dorit realizarea și dezvoltarea unui sistem de detecție automată a structurilor
patologice ce ar putea să prezinte o anomalie. Pentru identificarea metodei cele mai optime cu o precizie și
eficiență crescută, s -au folosit mai multe metode în urma cărora rezultatele au fost p rezentata mai sus în
subcapitolul 5.4 Rezultate . Pe baza acestora am concluzionat următoarele aspecte:
➢ Imaginile din baza de date MIAS sunt imagini ce prezintă structuri greu de identificat, ce nu sunt
delimitate cu exactitate chiar dacă structurile respe ctive au o caracteristici uniforme. Acest lucru
îngreunând precizia algoritmi lor de detecție, deoarece aceștia se bazează pe compararea trăsăturilor
ferestrei curente, respectiv cea mică, cu trăsăturile din vecinătate, fereastra mare. Un alt lucru ce a
îngreunat performanța algoritmilor, este faptul că imaginile MIAS au o dimensiune destul de mare (2048
x 4320) ceea ce implică un interval mare a duratei de execuție.
➢ S-a constat faptul că dimensiunea ferestrelor influențează detecția structurilor tumorale, deoarece
acestea se prezintă ca fiind de intensitate crescută deci cu un nivel de gri ce trece de valoarea de 200. În
momentul în care se aplică o fereastră mică pe o structură patologică de dimensiuni mari ce nu se
încadrează în fereastra respectivă, acea sta deși extrage corect trăsăturile, nu poate compara informația
curentă cu informația țesutului din vecinătate deoarece acesta va avea aproximativ aceleași valori. Astfel
se pierd informații, respectiv, regiunile de interes ce par suspicioase pot fi omise și nedectate.
➢ Luând în considerare cele amintite la punctul anterior, clasa 3 de ferestre este cea optimă pentru care
algoritmul a furnizat informații cu o precizie de 80% pentru imaginile din baza de date MIAS și 100%
pentru imaginile achiziționate din alte surse. Fereastra de 75 x 75 și 151 x 151 a determinat segmentarea
și compararea eficientă a trăsăturilor, având cele mai multe detecții apropiate de centrul structurii
patologice.
➢ Prin compararea rezultatelor obținute în urma aplicării diferitelor va lori de praguri, s -a observat faptul
că folosirea unui prag mic de 80%, algoritmul detectează foarte multe puncte pe imaginile mamografice,
puncte ce nu fac parte din regiunea de interes tumorală. La polul opus, prin folosirea unui prag prea mare
de 97%, algoritmul pierde informații ce ar putea oferi un rezultat al unei regiuni de interes.
➢ Având în vedere cele spuse la punctul anterior, pragul optim cu ajutorul căruia s -au identificat cele
mai multe poziții apropiate de centrul structurii patologice, a f ost cel mijloc, de 90%.
➢ În urma testării tehnicii de prelucrarea a pixelilor din vecinătate printr -o mască de 3 x 3, Local Binary
Pattern, s -a constat faptul că această metodă prezintă o performanță scăzută față de metoda ferestelor,
având în vederea proc entajul extrem de mic de poziții identificate aproape de structura reală.
60
Îmbunătățiri ce pot fi aduse ulterior sistemului de detecție automată a structurilor patologice din imaginile
mamografice digitale sunt punctate mai jos:
➢ Performanța algoritmilor po ate fi îmbunătățită prin schimbarea locației în care sunt compil ați. Acest
lucru să nu mai fie local ci să se realizeze pe un server. Local având loc doar încărcarea imaginilor și
afișarea rezultatelor transmise de către server.
➢ Pentru ca sistemul să devi nă complet autonom, se poate crea un cod pentru care acesta să -și încarce
în mod automat imaginile dintr -o locație anume.
➢ Optimizarea algoritmilor astfel încât timpul de execuție să fie cât mai mic, în vederea afișării
rezultatelor rapid.
61
BIBLIOGRAFIE
[1] http://euro -health.ro/ca ncerul -in-romania -67-300-de-cazuri -noi-si-41-000-de-decese -pe-an-
cancerele -pulmonar -colorectal -si-de-san-cele-mai-frecvente/ , accesat la data de 06.06.2017
[2] http://www.breastcancer.org/research -news/20130425 -4, accesat la data de 06.06.2017
[3] https://archive.org/details/anatomydisease so1845coop , accesat la data de 06.06.2017
[4] Dan Cristescu, Carmen Sălăvăstru, de Bogdan Voiculescu, Cezar Th. Niculescu, Radu
Cârmaciu, Biologie Manual pentru clasa a XI a, Corint
[5] http://anatomie.romedic.ro/sanii -glanda -mamara , accesat la data de 06.06.2017
[6] NETTER
[7] http://www.breastcancer.org/symptoms/types/lcis , accesat la data de 07.06.2017
[8] http://www.breastcancer.org/illustrations/i0060 , accesat la data de 07.06.2017
[9] http://www.cancerresearchuk.org/about -cancer/breast -cancer/stages -types –
grades/types/ductal -carcinoma -in-situ-dcis, accesat la data de 07.06.2017
[10] http://www .breastcancer.org/pictures/types/dcis , accesat la data de 07.06.2017
[11] http://www.breastcancer.org/symptoms/types/dcis/diagnosis , accesat la data de 07.06.2017
[12] http://www.pathologyatlas.ro/carcinomul -ductal -invaziv -glanda -mamara –
morfopatologi e.php , accesat la data de 07.06.2017
[13] http://www.cancerresearchuk.org/about -cancer/bre ast-cancer/stages -types –
grades/types/invasive -breast -cancer , accesat la data de 07.06.2017
[14] http://anatomie.romedic.ro/cancerul -mamar , accesat la data d e 07.06.2017
[15] https://www.cancer.org/treatme nt/understanding -your-diagnosis/tests/understanding -your-
pathology -report/breast -pathology/breast -cancer -pathology.html , accesat la data de
07.06.2017
[16] http://www.dovemed.com/diseases -conditions/invasive -ductal -carcinoma -breast -nos/,
accesat la data de 07.06.2017
[17] http://www.webmd.com/breast -cancer/ductal -carcinoma -invasive -in-situ#2 -6, accesat la data
de 07.06.2017
[18] http://www.breastcancer.org/pictures/types/dcis/idc , accesat la data de 07.06.2017
[19] http://www.desprecancerdesan.ro/diagnostic -recent/ti purile -de-cancer -de-san/174 –
carcinomul -ductal -invaziv -cdi, accesat la data de 07.06.2017
[20] http://www.romedic.ro/cancerul -de-san, accesat la data de 07.06.20 17
[21] http://www.breastcancer.org/symptoms/types/ilc , accesat la data de 07.06.2017
[22] http://www.dovemed.com/diseases -conditions/invasive -lobular -carcinoma -breast/ , accesat la
data de 07.06.2017
[23] http://www.breastcancer.org/pictures/types/dcis/ilc , accesat la data de 07.06.2017
[24] http://www.breastcancer.org/symptoms/types/medullary, accesat la data de 08.06.2017
62
[25] http://www.hopkinsmedicine.org/kimmel_ca ncer_center/centers/breast_cancer_program/rare
_tumors/mucinous_breast_cancer.html, accesat la data de 09.06.2017
[26] http://www.breastcancer.org/ symptoms/types/mucinous, accesat la data de 09.06.2017
[27] http://www.breastcancer.org/symptoms/types/tubular, accesat la data de 10.06.2017
[28] http://www.breastcancer.org/symptoms/types/papillary, accesat la data de 11.06.2017
[29] http://www.dovemed.com/diseases -conditions/invasive -papillary -carcinoma -breast/, accesat
la data de 11.06.2017
[30] https://www.spandidos -publications.com/ol/7/5/1599, accesat la data de 12.06.2019
[31] https://radiopaedia.org/articles/adenoid -cystic -carcinoma -of-the-breast, accesat la data de
12.06.2019
[32] https://www.ncbi.nlm.nih .gov/pmc/articles/PMC4266822/ , accesat la data de 12.06.2017
[33] http://anatomie.romedic.ro/cancerul -mamar , accesat la data de 12.06.2017
[34] http://www.hopkinsmedicine.org/kimmel_cancer_center/centers/breast_cancer_program
/rare_tumors/breast_sarcomas.html , accesat la data d e 13.06.2017
[35] http://www.cblpath.com/products -and-services/sub -specialized -pathology/breast –
pathology/pati ent-information/sarcoma -of-the-breast , accesat la data de 13.06.2017
[36] http://www.sciencedirect.com/science/article/pii/S2210261213000369#fig0005 , accesat la
data de 14.06.2017
[37] http://breast -cancer.ca/angiomas/, accesat la data de 14.06.2017
[38] http://www.dovemed.com/diseases -conditions/lymphoma -breast/ , accesat la data de
15.06.2017
[39] http://www.sfatulmedicului.ro/dictionar -medical/limfom -non-hodgkin_4045 , accesat la data
de 15.06.2017
[40] http://www.sfatulmedicului.ro/Leucemii -si-limfoame/limfomul -hodgkin_5619 , accesat la
data de 15.06.2017
[41] http://breast -cancer.ca/lymphoreast/ , accesat la data de 15.06.2017
[42] https://radiopaedia.org/articles/physical -principles -of-ultrasound -1, accesat la data de
22.06.2017
[43] https://radiopaedia.org/articles/breast -ultrasound , accesat la data de 22.06.2017
[44] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC3558110/ , accesat la data de 22.06.2017
[45] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4882872/figure/Fig1/ , accesat la data de
22.06.2017
[46] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4882872/ , accesat la data de 22.06.2017
[47] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4882872/ figure/Fig3/ , accesat la data de
22.06.2017
[48] https://www.cancer.org/cancer/breast -cancer/screening -tests-and-early –
detecti on/mammograms/mammogram -basics.html , accesat la data de 22.06.2017
[49] Alina Adriana Feiler, Ana -Maria Ungureanu, Manu al de radiologie și imagistică medicală
Volumul I , Editua Victor Babeș Timișoara
[50] https://www.nibib.nih.gov/science -education/science -topics/mammography , accesat la data
de 22.06.2017
[51] https://radiopaedia.org/articles/mammograp hy-views , accesat la data de 22.06.2017
63
[52] https://radiopaedia.org/articles/craniocaudal -view , accesat la data de 22.06.2017
[53] https://radiopaedia.org/articles/mediolateral -oblique -view , accesat la data de 22.06.2017
[54] https://radiopaedia.org/articles/late -mediolateral -view -1, accesa t la data de 22.06.2017
[55] http://clinfowiki.org/wiki/index.php/Computer_Aided_Detection , accesat la data de
23.06.2017
[56] http://www.diagnosticimaging.com/cad/state -cad-mammography , accesat la data de
23.06.2017
[57] http://www.hologic.com/products/imaging/mammography /image -analytics , accesat la data
de 23.06.2017
[58] https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1665219/ , accesat la data de 23.06.2017
[59] http://www.sciencedirect.com/science/article/pii/S1532046414000124 , accesat la data de
23.06.2017
[60] Medical Image Analysis, A review of automatic mass detection and segmentation in
mammographic images, Arnau O liver, Jordi Freixenet, Joan Marti, Elsa Perez, Josep Pont,
Erika R.E. Denton, 2009
[61] https://home.deib.polimi.it/matteucc/Clustering/tutorial_html/ , accesat la data de 23.0 6.2017
[62] https://www.repository.cam.ac.uk/handle/1810/250394 , accesat la data de 24.06.2017
[63] https://www.m athworks.com/help/images/ref/viscircles.html , accesat la data de 24.06.2017
[64] http://www.scholarpedia.org/article/Local_Binary_Patterns , accesat la data de 24.06.2017
64
ANEXĂ
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb001lm.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb002rl.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb010rm.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb017ls.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb021ll.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb028rl.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua\mdb081ll.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb090rm.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb095ll.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza noua \mdb102rm.jpg' );
img = imread('C:\Users\Oana\Desktop\Imagini MIAS \baza imagini net \imag1.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza imagini net \imag2.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza imagini net \imag3.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza imagini net \imag4.jpg' );
img = imread( 'C:\Users\Oana\Desktop\Imagini MIAS \baza imagini net \imag5.jpg' );
figure, imshow(img),title( 'Imagine Initiala' );
% pentru mdb102rm
% mdb102rm = [2369 638 ];
% raza = 152;
% plot(mdb102rm(1 ),mdb102rm(2),'Marker','+','Color',[.90 .48 0],'MarkerSize',20);
% hold on;
% cerc = viscircles(mdb102rm,raza);
% image(cerc);
% pentru mdb095ll
% mdb095ll = [2181 1118];
% raza = 116;
% plot(mdb095ll(1),mdb095ll(2),'Marker','+','Color',[.90 .48 0],'Mark erSize',20);
% hold on;
% cerc = viscircles(mdb095ll,raza);
% image(cerc);
% pentru mdb090rm
% mdb090rm = [2021 1035];
% raza = 198;
% plot(mdb090rm(1),mdb090rm(2),'Marker','+','Color',[.90 .48 0],'MarkerSize',20);
% hold on;
% cerc = viscircles(mdb090rm ,raza);
% image(cerc);
% pentru mdb081ll
% mdb081ll = [2007 1220];
% raza = 525;
% plot(mdb081ll(1),mdb081ll(2),'Marker','+','Color',[.90 .48 0],'MarkerSize',20);
% hold on;
% cerc = viscircles(mdb081ll,raza);
65
% image(cerc);
% pentru mdb001lm
% mdb001lm = [1798 966];
% raza = 277;
% plot(mdb001lm(1),mdb001lm(2),'Marker','+','Color',[.90 .48 0],'MarkerSize',20);
% hold on;
% cerc = viscircles(mdb001lm,raza);
% image(cerc);
% pentru mdb028rl
% mdb028rl = [2953 462];
% raza = 224;
% plot(mdb028rl(1 ),mdb028rl(2),'Marker','+','Color',[.90 .48 0],'MarkerSize',20);
% hold on;
% cerc = viscircles(mdb028rl,raza);
% image(cerc);
% pentru mdb021ll
% mdb021ll = [590 1074];
% raza = 197;
% plot(mdb021ll(1),mdb021ll(2),'Marker','+','Color',[.90 .48 0],'Mar kerSize',20);
% hold on;
% cerc = viscircles(mdb021ll,raza);
% image(cerc);
% pentru mdb010rm
% mdb010rm = [2509 975];
% plot(mdb010rm(1),mdb010rm(2),'Marker','+','Color',[.90 .48 0],'MarkerSize',20);
% hold on;
% raza = 135;
% cerc = viscircles(mdb010rm ,raza);
% image(cerc);
% pentru mdb002rl
% mdb002rl = [3091 1262];
% plot(mdb002rl(1),mdb002rl(2),'Marker','+','Color',[.90 .48 0],'MarkerSize',20);
% hold on;
% raza = 277;
% cerc = viscircles(mdb002rl,raza);
% image(cerc);
% pentru mdb017ls
% mdb017ls=[2407,943];
% raza = 192
% plot(mdb017ls(1),mdb017ls(2),'Marker','+','Color',[.90 .48 0],'MarkerSize',20);
% hold on;
% cerc = viscircles(mdb017ls,raza);
% image(cerc);
66
matrice51 = [];
matrice25 = [];
[L,C]=size(img);
W=25; % deplasament fata d e centru fereastrei
w=13; % deplasament fata de centru fereastrei
k=0;
pas = 25;
for i = 1+W:pas:L -W
for j = 1+W:pas:C -W
fereastra = img(i -W:i+W,j-W:j+W);
histograma = imhist(fereastra);
fer = img(i -w:i+w,j-w:j+w);
hist = imhist(fer);
histograma = histograma – hist;
histograma = histograma/sum(histograma);
matrice51 = [matrice51 histograma];
hist = hist/sum(hist);
matrice25 = [matrice25 hist];
end
k=k+1;
i
end
dif =sum(abs(matrice51 – matrice25));
v = length(dif)/k;
difnew = reshape(dif,k,v);
Z=imresize(img,size(difnew));
Z=(Z>60);
difnew=difnew.*double(Z);
figure, imagesc(difnew), colormap(gray(256)),colorbar;
[px,py]=find(difnew> .97*max(difnew(:)));
px_new = (px -1)*pas+W;
py_new = (py -1)*pas+W;
Zcolor(:,:,1)=img; Zcolor(:,:,2)=img; Zcolor(:,:,3)=img;
for h = 1:length(px_new)
Zcolor(px_new(h) -13:px_new(h)+13,py_new(h) -13:py_new(h)+13,1)=255;
Zcolor(px_new(h) -13:px_new( h)+13,py_new(h) -13:py_new(h)+13,2)=0;
Zcolor(px_new(h) -13:px_new(h)+13,py_new(h) -13:py_new(h)+13,3)=0;
end
p = [ 1262 3091];
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,1)=0;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,2)=255;
Zcolor(p(1) -13:p(1)+13,p( 2)-13:p(2)+13,3)=0;
67
figure, imagesc(Zcolor), colormap(gray(256)),colorbar;
hold on;
pp = [3091 1262];
viscircles(pp,277);
matrice41 = [];
matrice85 = [];
[L,C]=size(img);
W=85; % deplasament fata de centru fereastrei
w=41;% deplasament fata de centru f ereastrei
pas=25;
k=0;
for i = 1+W:pas:L -W
for j = 1+W:pas:C -W
fereastra = img(i -W:i+W,j-W:j+W);
histograma = imhist(fereastra);
fer = img(i -w:i+w,j-w:j+w);
hist = imhist(fer);
histograma = histogra ma – hist;
histograma = histograma/sum(histograma);
matrice85 = [matrice85 histograma];
hist = hist/sum(hist);
matrice41 = [matrice41 hist];
end
k=k+1;
i
end
dif =sum(abs(matrice85 – matrice4 1));
v = length(dif)/k;
difnew = reshape(dif,k,v);
Z=imresize(img,size(difnew));
Z=(Z>60);
difnew=difnew.*double(Z);
figure, imagesc(difnew), colormap(gray(256)),colorbar;
[px,py]=find(difnew>.97*max(difnew(:)));
px_new = (px -1)*pas+W;
py_new = (py -1)*pas+W;
Zcolor(:,:,1)=img; Zcolor(:,:,2)=img; Zcolor(:,:,3)=img;
for h = 1:length(px_new)
Zcolor(px_new(h) -5:px_new(h)+5,py_new(h) -5:py_new(h)+5,1)=255;
Zcolor(px_new(h) -5:px_new(h)+5,py_new(h) -5:py_new(h)+5,2)=0;
Zcolor(px_new(h) -5:px_new(h)+ 5,py_new(h) -5:py_new(h)+5,3)=0;
end
p=[638 2369 ];
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,1)=0;
68
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,2)=255;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,3)=0;
figure, imagesc(Zcolor), colormap(gray(256)),colorbar;
hold on;
pp = [2369 638 ];
viscircles(pp,152);
W=151; % deplasament fata de centru fereastrei
w=75;% deplasament fata de centru fereastrei
pas=25;
k=0;
for i = 1+W:pas:L -W
for j = 1+W:pas:C -W
fereastra = img(i -W:i+W,j-W:j+W);
histogra ma = imhist(fereastra);
fer = img(i -w:i+w,j-w:j+w);
hist = imhist(fer);
histograma = histograma – hist;
histograma = histograma/sum(histograma);
matrice151 = [matrice151 histograma];
hist = hi st/sum(hist);
matrice75 = [matrice75 hist];
end
k=k+1;
i
end
dif =sum(abs(matrice151 – matrice75));
v = length(dif)/k;
difnew = reshape(dif,k,v);
Z=imresize(img,size(difnew));
Z=(Z>60);
difnew=difnew.*double(Z);
figure, imagesc(difnew), colormap(gray(256)),colorbar;
[px,py]=find( difnew>.90*max(difnew(:)));
px_new = (px -1)*pas+W;
py_new = (py -1)*pas+W;
Zcolor(:,:,1)=imag; Zcolor(:,:,2)=imag; Zcolor(:,:,3)=imag;
for h = 1:length(px_new)
Zcolor(px_new(h) -5:px_new(h)+5, py_new(h) -5:py_new(h)+5,1)=255;
Zcolor(px_new(h) -5:px_new(h)+5,py_new(h) -5:py_new(h)+5,2)=0;
Zcolor(px_new(h) -5:px_new(h)+5,py_new(h) -5:py_new(h)+5,3)=0;
end
p=[638 2369 ] ;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,1)=0;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,2)=255;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,3)=0;
figure, imagesc(Zcolor), colormap(gray(256)),colorbar;
hold on;
pp = [2369 638];
viscircles(pp,152);
matrice303 = [];
69
matrice151 = [];
[L,C]=size(img);
W=303; % deplasament fata de centru fereas trei
w=151; % deplasament fata de centru fereastrei
k=0;
pas = 25;
for i = 1+W:pas:L -W
for j = 1+W:pas:C -W
fereastra = img(i -W:i+W,j-W:j+W);
histograma = imhist(fereastra);
fer = img(i -w:i+w,j-w:j+w);
hist = imhist(fer);
histograma = histograma – hist;
histograma = histograma/sum(histograma);
matrice303 = [matrice303 histograma];
hist = hist/sum(hist);
matrice151 = [matrice151 hist];
end
k=k+1;
i
end
dif =sum(abs(matrice303 – matrice151));
v = length(dif)/k;
difnew = reshape(dif,k,v);
Z=imresize(img,size(difnew));
Z=(Z>60);
difnew=difnew.*double(Z);
figure, imagesc(difnew), colormap(gray(256)),colorbar;
[px,py]=find(difnew>.97*max( difnew(:)));
px_new = (px -1)*pas+W;
py_new = (py -1)*pas+W;
Zcolor(:,:,1)=img; Zcolor(:,:,2)=img; Zcolor(:,:,3)=img;
for h = 1:length(px_new)
Zcolor(px_new(h) -13:px_new(h)+13,py_new(h) -13:py_new(h)+13,1)=255;
Zcolor(px_new(h) -13:px_new(h)+13,py _new(h)-13:py_new(h)+13,2)=0;
Zcolor(px_new(h) -13:px_new(h)+13,py_new(h) -13:py_new(h)+13,3)=0;
end
p = [2322 2054 ];
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,1)=0;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,2)=255;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,3) =0;
figure, imagesc(Zcolor), colormap(gray(256)),colorbar;
hold on;
pp = [2322 2054];
viscircles(pp,242);
70
matrice423 = [];
matrice211 = [];
[L,C]=size(img);
W=423; % deplasament fata de centru fereastrei
w=211;% deplasament fata de centru fereastrei
pas=25;
k=0;
for i = 1+W:pas:L -W
for j = 1+W:pas:C -W
fereastra = img(i -W:i+W,j-W:j+W);
histograma = imhist(fereastra);
fer = img(i -w:i+w,j-w:j+w);
hist = imhist(fer);
histograma = histograma – hist;
histograma = histograma/sum(histograma);
matrice423 = [matrice423 histograma];
hist = hist/sum(hist);
matrice211 = [matrice211 hist];
end
k=k+1;
i
end
dif =sum(abs(matrice423 – matrice211));
v = length(dif)/k;
difnew = reshape(dif,k,v);
Z=imresize(img,size(difnew));
Z=(Z>60);
difnew=difnew.*double(Z);
figure, imagesc(difnew), colormap(gray(256)),colorbar;
[px,py]=find( difnew>.90*max(difnew(:)));
px_new = (px -1)*pas+W;
py_new = (py -1)*pas+W;
Zcolor(:,:,1)=img; Zcolor(:,:,2)=img; Zcolor(:,:,3)=img;
for h = 1:length(px_new)
Zcolor(px_new(h) -13:px_new(h)+13,py_new(h) -13:py_new(h)+13,1)=255;
Zcolor(px_new(h) -13:px_new(h)+13,py_new(h) -13:py_new(h)+13,2)=0;
Zcolor(px_new(h) -13:px_new (h)+13,py_new(h) -13:py_new(h)+13,3)=0;
end
p=[ 638 2369];
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,1)=0;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,2)=255;
Zcolor(p(1) -13:p(1)+13,p(2) -13:p(2)+13,3)=0;
figure, imagesc(Zcolor), colormap(gray(256)),colorbar;
hold on;
pp = [2369 638];
viscircles(pp,152);
71
[L,C]=size(grayImage);
localBinaryPatternImage = zeros(size(grayImage));
for row = 2:L -1
for col = 2:C -1
centerPixel = grayImage(row, col);
pixel7=grayImage(row -1, col-1)> centerPixel;
pixel6=grayImage(row -1, col) > centerPixel;
pixel5=grayImage(row -1, col+1) > centerPixel;
pixel4=grayImage(row, col+1) > centerPixel;
pixel3=grayImage(row+1, col+1) > centerPixel;
pixel2=grayImage(row+1, col) > centerPixel;
pixel1=grayImage(row+1, col -1) > centerPixel;
pixel0=grayImage(row, col -1) > centerPixel;
localBinaryPatternImage(row, col) = pixel7 * 2^7 + pixel6 * 2^6 + pixel5 *
2^5 + pixel4 * 2^4 +pixel3 * 2^3 + pixel2 * 2^2 +pixel1 * 2 + pixel0;
end
row
col
end
imshow(localBinaryPatternImage, []);
img = localBinaryPatternImage;
Copyright Notice
© Licențiada.org respectă drepturile de proprietate intelectuală și așteaptă ca toți utilizatorii să facă același lucru. Dacă consideri că un conținut de pe site încalcă drepturile tale de autor, te rugăm să trimiți o notificare DMCA.
Acest articol: Unive rsitatea POLITEHNICA din Bucureș ti [614118] (ID: 614118)
Dacă considerați că acest conținut vă încalcă drepturile de autor, vă rugăm să depuneți o cerere pe pagina noastră Copyright Takedown.