Ange Chedjou
Extraktion der Merkmale, Design der Benutzeroberfläche
I got kicked out of Hogwarts for using black magic.
Deutsch Brustkrebs ist weltweit die häufigste bösartige Krebsform bei Frauen. Regelmäßige Frühuntersuchungen können dabei helfen Tumoren rechtzeitig zu erkennen und geeignete medizinische Interventionen einzuleiten. Aktuell kann die Malignität eines Tumors erst im Rahmen einer Biopsie festgestellt werden. Im Gegensatz zur Mammographie wird im Rahmen einer Sonographie keine schädliche ionisierende Strahlung eingesetzt, was ein risikoloses, regelmäßiges Screening ermöglicht. Es wird ein System zur computergestützten Bestimmung der Malignität von Tumoren, bereits während der Untersuchung und basierend auf Ultraschallbilddaten, realisiert werden. Ein umfangreicher und bereits von medizinischen Experten bewerteter Bilddatensatz wird im Projekt als valide Datenbasis verwendet.
English Breast cancer is the most common form of malignant cancer in women worldwide. Regular early examinations can help to identify tumors in time and thus to initiate medical interventions accordingly. Currently, the malignancy of a tumor can only be assessed through a biopsy. In comparison to mammography, a sonography does not use harmful ionizing radiation, allowing for risk-free and regular screening. A system for computer-assisted determination of the malignancy of tumors, which is based on ultrasound image data and can already be used during the examination, will be built. An extensive image dataset that has been evaluated by medical experts will serve as a valid database for this project.
In der Systemstruktur wird das Zusammenspiel der einzelnen Komponente dieser Diplomarbeit veranschaulicht. Die in unserem Datensatz enthaltenen Ultraschallbilder werden in MATLAB eingelesen und zur Weiterverarbeitung entsprechend formatiert. Danach werden verschiedene charakteristische Merkmale aus dem Tumorgewebe extrahiert und auf Basis dieser ein Klassifikationsmodell trainiert. Mit diesem ist es anschließend möglich, die Ultraschallbilder in gutartig, bösartig oder kein Tumor zuzuordnen.
In unser Programm wird aus dem Datensatz ein beliebiges Ultraschallbild der Brust mit
zugehöriger Maske eingelesen. Darin könnte ein gut- oder bösartiger sowie gar kein Tumor
enthalten sein.
Aus der dem Bild zugehörigen Maske werden anschließend diverser charakteristische Merkmale,
die Auskunft über die Malignität des Tumors geben, extrahiert. Die Verteilung dieser Merkmale
zwischen gut- und bösartigen Bildern kann in einer Grafik veranschaulicht werden.
Für die Klassifikation des Tumors wird eine Support Vector Machine (SVM) verwendet. Diese
ist ein Machine-Learning-Algorithmus, der die Datenpunkte am besten in verschiedene Klassen
unterteilt. Damit dies funktioniert, wird er mit 80% des Datensatzes trainiert. Die verbleibenden
20% werden zum Testen des Klassifikationsmodells verwendet.
Um die Anwendung der Diplomarbeit zu erleichtern, wird eine einfach zu bedienende Benutzeroberfläche
entwickelt. Neben den zuvor genannten Optionen ist es auch möglich, die einzelnen Klassen des
Datensatzes zu durchsuchen und den eventuell darin enthaltenen Tumor durch eine Einrahmung hervorzuheben.
Außerdem kann das Modell, welches zur Klassifikation verwendet wird, gewechselt werden, ebenso wie der Pfad
zum Datensatz oder die Datenbasis zur Veranschaulichung der Merkmalsverteilung zwischen den Klassen.
Für die Realisierung dieses Projekts wird MatLab verwendet.
MatLab ist eine Programmiersprache und -plattform, welche vor allem
für die Bildverarbeitung verwendet wird. Sie bietet eine Reihe von integrierten
Funktionen und Tools für die Bilderfassung, -analyse, -visualisierung und
Algorithmenentwicklung.