Agydaganat MRI kimutatása a Matlab segítségével: 6 lépés

2024 Szerző: John Day | [email protected]. Utoljára módosítva: 2024-01-30 09:42

Szerző: Madhumita Kannan, Henry Nguyen, Ashley Urrutia Avila, Mei Jin

Ez a MATLAB -kód egy olyan program, amely érzékeli a páciens agyi MRI -vizsgálatában talált daganat pontos méretét, alakját és helyét. Ezt a programot eredetileg a tumorok észlelésére tervezték az agyi MRI -vizsgálatok során, de más szervvizsgálatoknál is használható rákdiagnosztikára.

A következő utasítások először leírják a képanalízis módszereit az MRI vizsgálat szűrésével és tisztításával, bináris, középszűréssel és csúszó ablakokkal. Ezt követően bemutatja, hogyan lehet elkülöníteni a daganatot egy előre létrehozott elliptikus maszk segítségével, és tovább szűrni, hogy körvonalazódjon a daganat alakja.

A daganat észlelése után az utasítások tovább leírják, hogyan lehet ezt a programot grafikus felhasználói felületbe (GUI) beépíteni. Ezen utasítások során a megfelelő kódot és fájlokat mellékeljük, amelyek segítenek elmagyarázni, hogyan működik ez az MRI vizsgálat.

Néhány tudnivaló, letöltés és előkészítés, mielőtt folytatná ezt az oktatható útmutatót: 1. Győződjön meg róla, hogy letöltötte a MATLAB legújabb verzióját. Az R2018b -t itt telepítheti:

2. A program futtatásához hozzáféréssel kell rendelkeznie az MRI agyszkennelés fájljaihoz. Bár néhány mindig megtalálható a Google képeiből, alapos és pontos elemzés végezhető az egyes páciensek agyrétegeinek különböző rétegeinek megfelelő képeiből. Az adatbázisból 20 különböző glioblasztómás beteg fájljához férhet hozzá:

3. A program fókuszát és a projektet irányító különféle módszereket ebben a kutatási cikkben vázoljuk fel:

1. lépés: Grafikus felhasználói felület (GUI) kezdeményezése

Az első lépés a grafikus felhasználói felület (GUI) létrehozása és elindítása lenne. Ezt úgy teheti meg, hogy beírja az útmutatót a parancsablakba, megnyomja az enter billentyűt, és létrehoz egy új GUI -t. Miután befejezte ezt a lépést, elkezdhet olyan funkciók létrehozását, mint a tengelyek, a statikus szöveg, a szövegszerkesztés és a nyomógombok, amelyek a program futtatása után megjelennek, és a felhasználó interakcióba léphet. Ezek a funkciók az ingatlan -ellenőrzőn keresztül szerkeszthetők és manipulálhatók, azonban a legfontosabb jellemző, amelyet ezen funkciók létrehozásakor meg kell változtatni, a címke neve. Fontos, hogy megváltoztassuk az egyes megvalósított funkciók Címke nevét, mert így megkülönböztethető visszahívási funkciót hozhatunk létre. Ha elégedett a GUI elrendezésével, folytathatja a GUI -n belül megjelenő DICOM -fájlok betöltését.

2. lépés: MRI -képek betöltése és olvasása a MATLAB -ban

A DICOM fájlok betöltéséhez helyesen kell inicializálni a visszahívási funkciót, amelyet az „MRI kép betöltése” gomb megnyomásakor hajtanak végre. Ha ez befejeződött, létre kell hoznia egy globális változót, amely megjeleníti a képet azon fogantyútengelyeken, ahol az eredeti MRI -képet szeretné megjeleníteni. Az adatbázisból letöltött MRI szkennelt képek mind DICOM formátumú fájlok, amelyeket be kell tölteni a MATLAB könyvtárába. Keresse meg a fájlt az imgetfile használatával, hogy betöltse őket a programba. A képeket a beépített „dicomread” MATLAB függvénnyel olvassák be, és az egyes fájlok első nyers képét az imshow segítségével a bal oldali GUI tengelyekbe ágyazzák.

A beépített MATLAB „dicominfo” funkció rendkívül hasznos az egyes MRI dicom fájlok összes információjának kezelésében is. Ezt a funkciót használtuk a betegek minden leíró információjának kinyerésére, például nemükre, életkorukra, súlyukra és magasságukra. Ez a funkció biztosítja a veremrendet is, amely hasznos a program grafikus felhasználói felületen belüli megvalósításához. Változókat hoztunk létre a páciensek minden leíró információjához, amelyeket a GUI -hoz használunk az észlelés gomb megnyomásakor.

3. lépés: Képszűrés

Miután a nyers kép DICOM fájlját betöltötték és elolvasták, a képet szürkeárnyalatos bináris formává kell alakítani, amely csak fekete -fehér pixelekből áll. az adaptív küszöbértékek szempontjainak szabályozása 0,59 érzékenységi értéknél. Az alapértelmezett küszöbérzékenységi tényező 0,5 alacsony volt, és nem tudta észlelni a fényesebb foltokat és foltokat a képből, ezért 0,59 -re növeltük.

A binarizált képet ezután egy mediánszűrőn keresztül dolgozzák fel a „medfilt2” függvény használatával, mivel a bináris kép kétdimenziós. Minden kimeneti pixelt úgy állítottunk be, hogy tartalmazza a medián értéket a bemeneti bináris kép megfelelő pixele körüli 5 x 5 környéken. Ez csökkenti a zajt és megőrzi a széleket 5 x 5 négyzetben minden pixel körül. Ezután tolóablakot alkalmazunk a „strel” használatával, hogy egy korong alakú, lapos strukturáló elemet hozzunk létre 2 szomszédsági sugárral, hogy azonosítsuk az egyes központi szomszédságbeli pixeleket. Korongszerkesztő elemet használtunk, mert elemezzük az egyes körfoltokat és az egyes folton belüli képpontokat, így a lemez alakú elem hasznosabb.

Miután a képet leszűrtük, az „illessze” funkció segítségével tisztítható, hogy eltávolítsuk a képen a szűrt fehér képpontok közötti fekete foltokat, és bezárjuk a körüli réseket. A teljesen feldolgozott képet ezután az előre kiosztott ábra második részrajzán lehet ábrázolni, lehetővé téve a nyers és a szűrt kép összehasonlítását.

4. lépés: A tumor izolálása elliptikus maszkon keresztül

A daganat fényes foltjai ezután elkülöníthetők a fő szűrt képből egy előre létrehozott elliptikus maszkon keresztül. Ennek a maszknak a létrehozásához ismernie kell az eredeti, nyers MRI-kép méretét, és a sor- és oszlophosszat használva, x-nek és y-koordinátának kell kiosztania az ellipszis középső koordinátáit. Az y tengelyt főtengelyként állítjuk be, amelynek sugara a központtól 50 egység, a melléktengelyt pedig 40 egység sugarú központtól.

A MATLAB „meshgrid” függvényt használva derékszögű síkot állítottunk elő kétdimenziós rácskoordinátákkal, a vektorokban található koordináták alapján 1-től az x tengely hosszáig és 1-től a kép y tengelyének hosszáig.. A Col egy mátrix, ahol minden sor az x tengely másolata, a sor pedig egy mátrix, ahol minden oszlop az y tengely másolata. A Col és Row koordinátákkal ábrázolt derékszögű rács hosszúságú (1: Y_Size) sorokkal és length (1: X_Size) oszlopokkal rendelkezik. A derékszögű rács által generált Col és Row indexek segítségével határozza meg az ellipszis egyenletét az előre meghatározott sugarú és középpontú koordináták függvényében. Az elliptikus körvonal mostantól kitölthető a daganatfoltokban talált fehér képpontokkal.

Az előre létrehozott elliptikus maszk felhasználásával kivághatjuk a szűrni kívánt képből azt a specifikus daganatot, amelyet elemezni szeretnénk. Az elliptikus maszk észleli, hogy mely foltok logikailag illeszkednek az ellipszis körvonalába, és elfogadja ezt a szűrt kép foltjaként, hogy tumorként elfogadható legyen. A „bwareafilt” funkció ezután kiszűri a képből az ezen észlelt tumoron kívül eső minden más objektumot. Az összes kép méretei alapján empirikusan 500-4000 konkrét ablakot használtunk. Ezután egy másik tolóablakot alkalmaztunk, „strel” lapos korong alakú strukturáló elemként, nagyobb szomszédsági sugárral, 6 -tal, hogy lezárjuk a réseket az észlelt daganaton belül az egyes központi fehér pixelek között. Az észlelt daganatfoltot tovább tisztítják az „elzárás” használatával, hogy tovább szüntessék meg a fekete pixeleket, és töltsék ki az összes lyukat „imfill” -nel. Ez a feldolgozott tumor ezután megjeleníthető az előzetesen kiosztott grafikon harmadik alrészében, hogy összehasonlítást nyújtson az izolált tumor és az MRI -vizsgálat eredeti és szűrt képei között.

5. lépés: A tumor felvázolása

Most, hogy a daganatot elkülönítették a maszkkal, körvonalazható és megjeleníthető az eredeti képen, hogy megmutassa pontos helyét. Ehhez a „bwboundaries” funkciót használtuk, hogy körvonalazva nyomon kövessük a korábban észlelt daganatot. A körvonalat úgy adtuk meg, hogy a körvonalakon belül ne tartalmazzon lyukakat a daganatobjektumon belül. Ezt fel lehet rajzolni az eredeti, nyers képre, egy „for” hurok segítségével, amely a daganat körüli körvonalat ábrázolja a vonal indexeivel, 1,5 képpontos vonalszélességgel. Ezt a körvonalat rajzolják a nyers képre, amely a tumor pontos méretét és helyét mutatja az eredeti MRI -vizsgálathoz képest.

6. lépés: A daganatok fizikai tulajdonságainak elemzése

Az elszigetelt és körvonalazott folt hasznos információkkal szolgálhat a daganat méretéről, területéről és helyéről. A „regionprops” funkciót használtuk a tumor területre, kerületre, centroidokra és a pixelindexre vonatkozó tulajdonságainak kimutatására. Ez a pixelindex -érték megadja a valós világ egységeit minden egyes kép minden egyes képpontjához, egyedi minden szkenneléshez. Ezeket a tulajdonságokat ezután valódi milliméteres egységekké alakíthatjuk át. A program által rendelkezésünkre bocsátott empirikus információ minden MRI vizsgálathoz egyedi, és rendkívül hasznos a tumor méretének, helyének és típusának meghatározásában, amelyet a felhasználók elemezhetnek és beépíthetnek a grafikus felhasználói felületbe.