文摘

宫颈癌是全球妇女死亡的第二大原因。如今,这种疾病可以预防和治愈以低成本和低风险的准确诊断是在适当的时间完成的,因为它是最高的肿瘤预防的潜力。这项工作描述了一个专家系统的开发能够提供诊断宫颈瘤(CN)前体损伤通过模糊逻辑的集成技术和图像解释。本研究的主要贡献集中在典型情况下,特别是对非典型腺体细胞(AGC)。专家系统由三个阶段组成:(1)风险诊断由解释病人的临床背景和承包CN根据专家的风险;(2)细胞学图像检测由影像判读(IM)和细胞学的贝塞斯达系统解释,和(3)确定癌症前体伤害由检索信息的前阶段和集成专家系统的模糊逻辑(FL)模型。在验证阶段的系统,检测21例已经确诊正相关,100%效果。这个工作的主要贡献依赖减少假阳性和假阴性的为CN提供更准确的诊断。

1。介绍

在过去的五十年,宫颈癌的发病率和死亡率减少,主要是在发达国家由于预防项目(细胞学)的实现。然而,在妇科癌症中,这种病理排名第二位在发展中国家,主要在贫困地区。

另一方面,风险因素与这种疾病的社会经济类型,主要包括多次发生在农村地区,以及年轻的病人。人类乳头瘤病毒被认为是一个因果代理和有关性的早期开始关系,尤其是与随意的性伴侣。

在2008年,有超过80000名妇女被诊断为宫颈癌症和36000人死亡,因为这种疾病只在拉丁美洲。在发展中国家,如墨西哥,CN与更高的死亡率,与利率在更发达的国家。然而,在墨西哥,在这个领域进行了研究。每一年,墨西哥社会保障研究所(IMSS的西班牙语)诊断的15000例左右CN [1]。

当前的研究是基于专家诊断宫颈癌的专业。专家系统模型提供的信息由医生诊断的决策过程。然后,在第二阶段,系统执行分段处理图像的分析显示兴趣参数提出的细胞学图像系统[贝塞斯达2)的诊断。在前两个阶段,系统由模糊逻辑模型及其集成的图形界面的细胞学图像上传和兴趣关于病人的临床记录数据类型。最后,前体损伤的诊断建议CN。在处理情况下医生的专业知识,能够诊断专家系统积极或消极的情况下不增加任何利益;出于这个原因,本工作的重点是典型的贡献,不是足够的信息发出一个积极的或消极的CN诊断。这些类型的情况下被称为非典型腺体细胞(AGC)。此处描述的专家系统能够提供诊断,因为它从图像处理的数学信息,医生不能得到时手动分析。这个信息和添加一个病人的临床记录聚集在一个专家系统,它可以用作支持工具在专家的决策过程。结果,诊断为前体伤害非典型病例。

这工作结构三个部分。第一阶段描述医生的视角,研究疾病,以及它的因素和诊断的方法。此外,在同一阶段,相关文献的回顾这一主题提出了连同它的主要贡献。第二阶段提出了本研究的三个阶段的发展,形成了专家系统。最后,在第三阶段,案例研究的描述,和运行测试已经诊断病例,以验证系统。

2。医生的角度和文献综述

乳腺癌后,在世界范围内,女性宫颈癌是第二个最常见的癌症。直到2008年,估计有529800人的死亡是与此相关的疾病在世界各地(3]。如今,通过巴氏涂片细胞学筛查的癌症发生率降低了终端阶段。因此,无症状的重要前体癌症增加伤害女人已被记录。在自然进化,这些伤害可以治疗和根除如果适当的诊断是可用的。

每天,医学突破提供有价值的信息,提高治疗和治愈无数的疾病。然而,需要建立多学科小组,提供不同的知识和观点相同的话题,也是显而易见的。

2.1。癌症表现

癌症是一种病理组织生长是由于持续的异常细胞的扩散。它可以来自任何来自不同组织类型的细胞在人类有机体。

有许多类型的癌症。最威胁女性的宫颈癌(CN),这不同于其他人,如果它检测到在其早期阶段,完全复苏的可能性很多(4]。超过80%的死亡造成的CN,来自高或中等国家水平的贫困。是预计的年度图CN所导致的死亡将增加超过1100万到2030年(5]。

宫颈癌的根本原因是由人类乳头瘤病毒(HPV)感染,这是一种常见的性传播疾病(STD)。然而,10到20年前体受伤需要由HPV变成侵袭性癌症。不幸的是,据估计,95%的女性(在生育年龄)居住在发展中国家没有采取了子宫颈抹片检查(6]。

这种疾病是密切相关的总回收率的目前发展阶段的诊断和治疗的可用性,因为CN是致命的,如果仍然是未经处理的。由于其复杂性,CN直接依赖于其适当和准确诊断治疗。

毫无疑问的决定性作用医生的专业知识在发出一个积极的诊断。然而,当处理细胞学样本中细胞的存在是不确定抛弃一个积极的或消极的电话,一个详尽的分析是必需的。虽然是罕见的,非典型腺体细胞专家来为一个巨大的挑战,因为大多数的这些样本导致更大的贡献叫假阳性或假阴性。它将永远是糟糕的所谓的假阴性的病人而不是假阳性,原因显而易见。

正如前面所讨论的,本研究的贡献集中在CN的非典型病例的诊断,通过研究非典型腺体细胞(AGC)。这些类型的细胞提供了一个非典型细胞核超过活性或修缮的变化但缺乏子宫腺癌原位功能。这个专家系统预计将支持工具在宫颈癌诊断决策过程;系统是专门面向病人的样本显示AGC,因此减少假阳性和假阴性诊断。

在图1细胞学显示非典型子宫细胞,细胞核几乎正常大小的三倍,提示功能,可以观察到腺癌。尽管如此,色素核和核仁(核内小点)的正常或nonmaligns样本。

在图2,暗示neoplasic样本,这意味着它很可能是一个积极的癌症诊断由于其大部分黑暗色素和细胞碎片。然而,分组和核仁建议正常样本的大小。

本研究进行了细胞病理学部门的协作力拓布兰科的医院,在病人的诊断的决策过程是在墨西哥的综合医院和以前的014 - 1994年ssa2程序。这些过程包括检查样品的两种不同的细胞学技士,发出诊断。如果细胞学技士有不同的诊断,他们讨论他们的观点,以达成协议,发出诊断靠共识。在第一检查(快速检查在不到一分钟完成),目前所有字段在薄板观察细胞学技士,第一个发出诊断。之后,在一个缓慢的检验(至少4分钟),特别强调的薄板字段不清楚受伤率。从第二个检查,第二个也获得诊断。如果两个诊断之间存在正相关关系,最终诊断是释放。否则样品经过一个共识为了得到一个最终的结果。在前两个检查,两个细胞学技士参加考试;然而,会话和共识的辩论中有6其他经验丰富的细胞学技士和1病理学家何塞·安东尼奥·一直Guzman博士为首的细胞病理学的部门。 These people complete the diagnosis team at the HRRB.

病人的治疗取决于能否决定一个AGC的存在。为此,有必要深入分析细胞学的良性变化,称之为“负优质上皮癌损伤”。然而,人眼的解释是不确定的细胞学图像分析由于AGC的不同标准进行诊断。另一方面,一个病人的临床背景的不同的解释将导致达成共识,因为主体性出现在现场的时候做出决定的一个积极的诊断CN。该专家系统允许统一标准众多考官只要足够的提供正确的数据。这意味着所有的空格必须由用户界面。如果任何错误了专家系统,其可靠性将大大减少。

2.2。CN的风险因素

宫颈癌是多因素疾病的起源。最杰出的风险因素是人类乳头瘤病毒(HPV)的感染。然而,病人的年龄,和他的性的早期开始关系因素被认为是非常重要的(7]。

多胎产是另一个风险因素被考虑。根据已发表的研究,已经证明一个免疫和叶酸抑郁发生。怀孕数量越多,风险越高的上皮内肿瘤(8]。同样的,第一次怀孕的年龄在CN诊断是至关重要的,因为它有助于估计这种疾病的发展。拥有多个性伴侣是另一个重要因素,主要是如果激素避孕方法而不是障碍的方法。

其他一些重要因素的存在性传播疾病(STD)和颈椎损伤巴氏涂片中发现(巴氏涂片测试中,在子宫颈细胞和子宫颈内膜采样,传播载玻片,染色,和解释由细胞学技士或病理学家基于贝塞斯达系统异常值。PS的“黄金标准”的方法是早期检测人乳头状瘤病毒,疱疹、滴虫感染,CIN /发育不良和颈CA PS解释精度是一个主观的艺术经验的基础上筛选细胞学技士或病理学家。http://medical-dictionary.thefreedictionary.com/Pap +涂片)。

2.3。检测和诊断

在某些情况下,即使细胞学是正的,患者不会显示恶性或前体受伤。在其他情况下,细胞学是负的,在进一步检查,发现恶性解剖学变化不确定,导致假阳性或假阴性(9]。

目前提出的术语在宫颈细胞学报告结果是贝塞斯达系统。这个系统开发的国家癌症研究所(NCI) 1988年,目的是提供一个统一的术语来促进病理学家和妇科医生之间的通信。这个系统的主要目的是向妇科医生最多的信息可以用于病人的治疗手段的描述性报告必须包括所有的细胞学方面(激素、形态学和微生物水平)10]。

2.4。一个文献综述

作为这项研究的一部分,许多其他相关作品被咨询。这些工作都是基于不同的技术和方法技术。

Deligdisch等人提出一个分类的人类乳头状瘤病毒(HPV)在青少年。在这里,他们确定组织学变化与HPV感染宫颈子宫的青少年和他们的结果与老年患者的结果对比。分析了由图像处理技术的方式,和他们的最后的贡献是评估青少年人乳头状瘤病毒的细胞病变效应(11]。

托雷斯等人评估的主要风险因素的作用与高风险squamos Cauca上皮内损伤,哥伦比亚。本研究中使用的方法包括统计案例研究和检查。此外,本研究证实了HPV和宫颈肿瘤的风险之间的关系。数据表明,经产和接触致癌物质出现在烟雾从柴火时风险代数余子式提出了人乳头状瘤病毒(12]。

Arcos的研究结果表明,可以分类75阴道上皮细胞利用预处理等操作后,分割,和数字图像的表示。软件是你可以分析细胞分类参数,如细胞质核之间的关系、染色、饱和度、亮度,原子核的形状和位置,识别表面的目的,中间,基底,parabasal,发育异常的细胞(13]。

在她的研究中,Machorro描述了一个专家系统,消除了主体性的发展,可能发生在阴道镜专家之间的不同的观点。之后,信息呈现给妇科医生作为替代支持做出决定在诊断基于模糊逻辑的CN前体损伤的类型和colposcopic图像处理(14]。

Zarandi等人解释模糊专家系统的性能对人类脑部肿瘤诊断用T1对比磁共振成像。模糊T2图像处理方案有四个不同的模块:预处理、分割、特征提取和近似推理。专家系统是验证在实际情况下证明其准确性。结果表明,该系统比识别脑瘤和年级(15]。

2011年,晒黑了指导促进图像制导的实现近距离放射疗法(IGTB)是一个高端的子宫颈癌症治疗的技术。本研究最初出版的皇家放射科医学(RCR)在2009年[16]。

Petric等人做了一个测试在13个病人high-risk-CTV (HR-CTV),概述了两个观察员在T和PT,图像平面,尊重妇科GEC-ESTRO建议基于3维图像子宫颈癌症近距离放射疗法。仿形测量的时间。HR-CTV大小比较,一致性指数(CI)评估。国际观察者轮廓的变化程度以及八个径向方向描述飞机之间的比较。应用标准的治疗方案后,之间的相互比较DVH-parameters V100, D90, D100使用HR-CTV是(17]。

康帝et al。”年代,论文提出了一种新颖的方法在视网膜血管图像的自动分割。方法使用强度信息从红色和绿色通道相同的视网膜图像在彩色眼底图像正确的非均匀照明。利用匹配滤波增强血管与背景的对比。增强血管然后分段采用空间基于加权模糊c均值聚类阈值,可以保持血管树的空间结构部分。该方法的性能评估公开可用的驱动器上,凝望手动标记图像的数据库。开车和凝视数据库,它实现一个接受者操作特征曲线下面积的0.9518和0.9602,分别是优于由最先进的无监督方法和与同监督方法(18]。

心等人提出了Index-Blocked离散余弦变换滤波方法(IB-DCTFM)来设计一个理想的频率范围过滤DCT域生物医学信号经常暴露于特定频率的噪音,如运动工件和50/60 Hz电源线干扰。IB-DCTFM删除不必要的频率范围的信号时域通过阻断特定的DCT域DCT指数。心电描记法在模拟,肌电图,photoplethysmography用作信号源,冷杉,信息检索,适应性与提出IB-DCTFM过滤器是用于比较。评估过滤性能,我们计算信噪比和每个信号的相关系数在一个干净的信号和过滤方法,分别。由于滤波器仿真,平均信号噪声定量和IB-DCTFM相关系数提高约75.8 dB / 0.477,冷杉,信息检索,和自适应滤波结果24.8 dB / 0.130, 54.3 dB / 0.440,分别为0.200和29.5 dB / (19]。

Rogel等人提出,法国子宫癌死亡证明的记录包括60%的“子宫癌症,不是另有规定(NOS)”;这妨碍了估计子宫颈和子宫内膜癌的死亡率。这项工作的目的是研究子宫癌的可靠性记录死亡证书使用情况下匹配与癌症登记和估计不同年龄组死于宫颈癌和子宫内膜癌的比例在所有子宫癌症死亡的统计方法使用发病率和生存数据(20.]。

托马斯提出外部照射和近距离放射疗法治愈癌的治疗宫颈。放射治疗的目的是优化目标的辐照量和减少剂量的重要器官。使用成像技术(计算机断层扫描和磁共振成像的临床结果和标准指导方针)研究了外部辐射和近距离放射疗法的治疗计划癌宫颈。成像允许个性化和适形治疗计划(9]。

Zwahlen等人的目的来确定优化的核磁共振成像的可行性和效益——(MRI)引导短距离放射治疗宫颈癌的(BT)。总共20国际妇产科联合会阶段患者IB-IV宫颈癌有MRI-compatible宫内BT涂布体外放疗后插入。核磁共振扫描获得的,总在诊断和肿瘤体积BT,高风险(人力资源)和中度风险的临床目标卷(CTV)、直肠、乙状结肠,膀胱壁划定。Pulsed-dose-rate BT计划,以传统的方式交付。优化mri计划开发并与传统的计划。mri对宫颈癌BT有可能优化原发肿瘤剂量测定法和减少重要正常组织的剂量,特别是小肿瘤患者(21]。

Gordona等的工作重点是一个可靠的生成和利用地面真理(GT)数字cervicographic图像分割为大型医疗库(cervigrams)收集的国家癌症研究所(NCI)。NCI邀请二十专家手工段一组939 cervigrams地区医学和解剖学的兴趣。基于这种独特的数据,目前的工作的目标是(1)自动生成multiexpert GT分割图;(2)使用GT地图自动评估给定分割任务的复杂性;(3)使用GT映射来评估一个自动分割算法的性能。这项工作中给出的方法和结论是通用的,可以应用于不同的图像和分割任务。他们应用于cervigram数据库包括全面分析可用的数据(22]。

雪等人提出,市场细分是一个许多医学图像处理应用程序的基本组件,它一直被认为是一个具有挑战性的问题。在这篇文章中,他们报告我们的研究和开发工作从子宫颈癌临床分析和提取有意义的区域图像创建一个大型数据库研究宫颈癌。除了提出新算法,他们还关注开源工具的发展同步的研究目标。这些努力导致了三个Web访问工具,解决三个重要的和相关的次要的医学图像分割,分别是:边界划线工具(BMT) Cervigram分割工具(CST)和Multi-Observer分割评价体系(摩西)[23]。

文献综述的结果,我们可以观察到,即使使用专家系统技术,如模糊逻辑和图像解释是常见的在医学、非典型腺体细胞的研究(AGC)是很难了。

近年来,FL被用在不同类型的机器,系统和软件,在日常生活的其他应用程序。一些例子是电梯控制、地震工程、甚至视频游戏。然而,其他应用程序允许这种技术,在同一时间的一个最创新的和复杂的,是良药。一方面,可以利用不精确的宽容,和另一方面,统一决策过程的重要标准。模糊逻辑的主要的贡献依赖于从容应对复杂,很难定义,或缺乏模型问题,允许他们的解决方案。研究工作如Machorro(2010)向我们展示这种技术让我们统一标准和减少主观性专家在一个不同的观点之间的问题。

虽然图像解释被认为是一个“田野”的研究,这一领域的进展没有本身,但大多是与其他领域。数字图像处理(DIP)的崛起可以看到在占星学等领域,地质、电子、,对我们来说最重要的是:医学。图像判读允许我们获得数据的人眼无法感知CAT扫描,x射线,或细胞学图像,子宫颈癌症检测。

癌细胞的研究并不新鲜,因为上面提到的技术取得了一个入侵几十年前以来,这种疾病的研究。举例来说,我们可以讨论研究包括自HPV感染宫颈癌症的风险因素的统计分析方法中描述Deligdisch等人的作品和托雷斯等。一些其他研究人员如Arcos和Zarandi等人应用图像判读识别和分类宫颈细胞和大脑肿瘤。另一方面,通过托马斯,Zwahlen et al ., Gordona et al .,无数和雪等人关注细分技术医学应用图像判读;例如,临床感兴趣的区域提取、核磁共振引导下近距离放射疗法,甚至优化辐射CTV(临床靶体积?),并减少剂量,在评论家器官等等。

然而,一个问题专家对此事非典型细胞分析。在这种情况下,非典型腺体细胞(AGC)提出了在诊断宫颈癌症(考虑修改西班牙语)。本研究的主要贡献是对AGC的研究为他们考虑在子宫颈癌症诊断的过程中,同时,减少假阳性和假阴性,连同这些类型的诊断。

3所示。专家系统的发展

该专家系统开发的3阶段或阶段(图3)。第一个阶段是风险诊断;这一阶段由模糊模型,措施的风险承包CN根据病人的临床记录。第二阶段是细胞学图像的解释过程和图像解释为了获得常见的参数进行图像与常规诊断癌症,在鳞状细胞非典型腺体细胞(AGC)。第三阶段的专家系统链接获得的结果在第一阶段的模糊模型与图像处理的结果为了创建第二个模糊模型、损伤的分类。这种分类是由三个输出变量:没有变化,非典型腺体细胞(AGC),恶性积极。

专家系统利用Matlab模糊逻辑工具箱的发展模式和图像解释。Matlab相结合的图形界面的工具(模糊逻辑及影像判读)创建,可以友好的专家系统。

3.1。模糊风险诊断模型

CN的决策过程诊断、风险因素被认为是必不可少的,当一个非典型腺细胞(AGC)发生时,由于诊断可以鼓励辩论专家,这最终会影响到临床手术之后,医生可能会导致假阳性或假阴性。结果,专家系统从一个模糊逻辑模型,用来决定病人的风险发展CN根据临床记录。

模糊规则结合一个或多个输入模糊集(背景),给出与输出模糊集(风险后果)。这条规则格式被称为Mamdani (Mamdani方法(模糊逻辑控制器)Mamdani和Assilian在1994年提出的。该控制器使用错误和误差的变化生产控制器的输出函数的改变。)类型和使用一个模糊控制器,解决了系统在其工作区域。

正如前面提到的,使用的变量得到直接从患者的临床记录和根据专家认为重要的诊断CN。确定变量及其集如表所示1。

这个模型的输出变量被认为是只有两套:积极的和消极的风险风险。这些集是由独立的三角形图;这意味着将负面结果如果1和1.5之间的差距,或者积极如果输出变量是优于或等于1.51。

这些变量的建模是用Matlab软件。该模型使用的间隔是由专家根据他们提供的专业知识。这个模型的一个例子是用变量表示标记“年龄”(图4): 系统中创建的规则推理确定基于语言的输入变量和他们的模糊集。七个变量以及它们的集的结合带来了972条规则。在这些推理规则被专家验证,只剩下360条规则运行系统。其中的一些规则见表2。

输出值根据每个引用规则是由专家决定。

去模糊化的过程,使用Matlab软件计算图像的重心(重心法),生成的时候分解每个语言的输入变量;这意味着这个过程分析了现有协会会员等级之间的两个联合集,并计算每个生成图像的表面。换句话说,重心法使用经典的形式,与横坐标轴,在矩形重力中心位于中间,三角形,这是在第三部分的基础根据对面的角度由斜边和基地。

最后,计算总质心。获得这个变量,添加表面产品的每个数字除以其质心的总表面。

3.2。图像处理

图像处理包括许多不同的阶段,能够识别有用的输入参数专家系统使它来确定癌症前体受伤。对图像处理概述,人物5显示和解释。

图像处理包括技术的使用在一个或多个图像为了获得数据或特定功能。应用技术在本研究专注于子宫颈内膜细胞的识别核,以及他们的大小、染色、形状、和解释。这些特性进一步用作语言或输入变量的模糊逻辑模型的专家系统的研究。

本研究是基于细胞学图像。在三个诊断细胞学图像分类:正常的或负面的恶性,非典型腺体细胞(AGC),腺癌。在分析一个图像时,特定的功能将被发现。这些特性或集的特性将定义的条件。在图6,你可以观察到一些重要的发现。概述了绿色的你会发现正常或消极的恶性细胞。用红色标出,您可以看到化生的或进化的细胞,它可以变成癌症。概述了蓝色,还有炎症细胞(也称为肥大细胞),这不是很相关的分析和诊断的伤害。最后,在光橙色可以观察exocervical细胞在本研究,我们不会看,因为这些类型的细胞在组织学研究。

前面讨论的结果旨在提取的特征是每个图像。这些特性被认为是由专家作为CN诊断的基础。Matlab软件的图像处理技术应用于这项工作将下一个讨论。

(a)水平提高和压花。在这个过程的第一阶段,它的目的是改善图像的颜色级别,调整其亮度和对比度的目的是强调兴趣特征。应用这些调整,你可以观察到明显的变化图像。在接下来的图中,我们可以看到原始图像在左边的部分,就像一个专家会通过显微镜。另一方面,我们可以看到右边第一级的同一幅图像调整应用。图像是通过照相机直接从显微镜获得含有低违约水平的颜色、亮度和对比度。出于这个原因,必须以调整水平得到更好的图像质量和轮廓感兴趣的领域。调整亮度和对比度的水平是根据专家的经验和感激。一旦相机准备根据专家的请求,相机调整设置的照片。

在图7,您可以立即确定原子核的黯淡和主要利益的功能,以及细胞质中定义。图像的背景可以是错误的细胞质调整亮度和对比度水平时,由于这种调整使它清晰识别。此外,细胞膜的边缘是更好的定义进行进一步分析。

(b)颜色分离。一旦图像已经调整,它分为三个频道,或它的颜色组合,这意味着,红色,绿色和蓝色通道,最好称为RGB。在图8,你可以观察到通道组合的图像。

图像处理中的以下步骤就是核会被识别。这一步是决定进行HRRB专家的绿色通道。以来专家这个决定基于他们的专业知识这个通道保持特性和更好的标志着兴趣。

灰度技术将被用来获得一些其他参数如细胞核染色,维度,原子核的形状。在图9中,您可以看到图像转换成灰度。

(c)图像阈值。阈值是一个过滤器,通过将图像划分为两种颜色(黑色和白色),并使用一个中间点或兴趣点,可以定义一个阈值分离在两种颜色根据原始图像的亮度。如果是这种情况,使用阈值划分细胞核的形象,为了获得明确的细胞核。在图10,你就会看到一个图像与一个阈值在一个绿色通道。

(d)形态学操作。在图像处理中,基于形状的形态是一组技术。该技术应用于一个输入图像(图11),但不影响其输出。技术的扩张,侵蚀,关闭和断开。

(e)标签。这部分的图像处理包括识别对象的数量,可以发现在一个图像。之后,分析了为了获得面积,周长,重心的确定核。这个阶段执行的绿色通道,利用阈值和形态学操作以确定细胞核边缘,后来将被用作参数确定的研究对象。在图12,这个过程识别图像核可以观察到。

通过使用类似的过程之前,核仁的数量获得(图13)。

为了深入了解图像的内容有必要执行期间收集的数据的分析过程。此外,在这个过程中可以请求数据如像素大小、细胞核直径,对称,或偏心,专家可以观察到感兴趣的特性。

一种形式的数据解释清晰的方式是通过使用描述性统计。有了这个学科,我们可以获得参数描述图像信息。为每个数据,图像往往会以不同的方式解决;然而,同等条件下的图像往往是一样的。出于这个原因,毕竟每个条件的图像进行了分析,确定以下变量。(我)核尺寸:这是指每个确定核的大小。确定该参数,细胞核的面积列使用然后你计算细胞核的平均面积图像中可以看到: (2)细胞核染色:这指的色素检测到细胞核,也就是说如何昏暗的细胞核,因为颜色就越深越浓染的考虑。为了获得细胞核染色中出现一个图像,细胞核像素大小列,然后共同海损的核计算: (3)均匀成核:时被认为是均匀确认核是一样的,意思,当他们定期。细胞核被认为是常规时往往是圆形的。为了计算均匀成核,偏心柱,和这一列表明,细胞核如果偏心值趋向于0更圆润,但如果值往往是1更细长。(iv)核仁的存在:CN诊断标准的重要组成部分之一是能够识别图像中的核仁。随着图像处理、数值数据的数量确定核仁。

3.3。集成专家系统的模糊模型”伤害决议”

专家系统是能够模拟决策过程涉及一个人用不准确的信息。同时,它能够做决定的不完整的信息就像一个主题的专家。基于模糊逻辑专家系统能够将语言变量转换成数字值通过使用模糊集,在其中每个变量在一定程度上属于另一个模糊集在一个不同的学位。这些知识的基础是建立在专业知识通过规则用短语表示如:如果…那么;如果不是…然后,称为推理引擎。以类似的方式,就像“风险”的模糊模型的模糊模型“受伤决议”内进行Mamdani类型。

专家系统的集成在这个研究是通过图形界面,用户只需要输入病人的临床背景资料如年龄,开始性生活,孩子,等等。然后,上传细胞学图像样本进行分析,最后按下底部”评估。“输出变量(风险)和图像处理的结果构成第二个模糊模型的输入变量,同时带来了数字和语言可以表明诊断价值。集成过程中可以观察到图14。

从后者处理结果数据将提供参数,将变成语言变量或输入变量的模糊模型。模糊逻辑系统的输入变量是在桌子上3。

如前所述,通过图像处理可以请求数据如像素大小、细胞核直径,对称或偏心。这些数据提供了利益的信息专家自每核(图分析了核15)。

获取参数的一种方法描述图像信息的区间估计。图像中相同的条件下,平均数据是非常相似的。由于提供的信息图像处理,这些时间间隔的四个变量设置通过使用置信区间(表6)。这意味着,每组的平均值的置信区间代表100%的组的成员变量。

每组的去模糊化变量建模与置信区间。接下来,变量的建模提出了“核密度”(图16),(4): 一百零八推理规则被创建(5),验证了专家医生的目的决定,他们都是可行的与变量的组合;例如,如果在一个图像发现一个“黑暗”核不可能检测到核仁;因此,该结果无效的规则: 其中的一些规则见表4。

4所示。测试和结果

一个图形界面允许与用户交互系统中在一个更简单的方法。这里介绍专家系统接口(图16)包括一个背景部分(左上),数字和语言的数据类型。在右上角,一个包含“上传图片”按钮;这里选择图像存储图像的研究情况下生成。背景评估盒(左下)允许一个人知道病人还是没有根据临床感染CN的风险分析。此信息可以咨询的“评估”按钮按下“受伤决议”部分。在本节中,数字和语言完整的案例分析值将会出现(背景+细胞学图像),在相同的方式,每个参数的数值图像处理(图像数据)将被显示。

图像处理的数字值正比于每种情况下的恶性肿瘤年级;然而,每个样本的损伤等级,如颈intraepitelial肿瘤(CIN)我,II, III是由专家。这意味着系统能够提供诊断例无变化(NV),非典型腺体细胞(AGC),和积极的狠毒,视为CN诊断的基础。这些阳性病例可分为浸润,入侵,腺癌等根据时间和损伤的严重性。如果一个受伤之前重新出现或没有治疗,专家干预的专业。

系统测试用例在医院从2010年到2012年。考虑到AGC并不常见,这些病例是由医院和记录标记为AGC的“可疑”。提到是很重要的,只有少数患者目前的情况下,自动增益控制。

在第一个模型验证的模糊系统(风险诊断),20个妇科病人病例从力拓布兰科的地区医院(HRRB西班牙语)被认为,由于这些情况已经有了一个诊断。这些病例是人口抽样。的标准选择这些案例是,他们有一个细胞学诊断,不超过1年,同时,他们的薄板是后面的照片保存完好。

这些病例是由专家,因为在2011年,一个新的显微镜照片相机被医院收购,因此,最近的薄板和完整的数据记录病例选择。

注意:并不是所有的情况下积极AGC,自第一诊断为AGC只是“可疑。“后者进一步阐明决策过程命名为“会话”,某些情况下,随着AGC下降。在专家系统的运行测试,最后诊断排放在会话HRRB考虑。

系统假设如下。

根据病人的临床背景,如果她是在患宫颈癌的风险,必须积极的细胞学诊断的结果,然而,如果系统的结果显示没有患宫颈癌的风险,病人必须负癌症的诊断与最后的细胞学。

最后结果的验证系统,我们有100%的关系模糊模型发出的“风险”和细胞学诊断专家。系统是有效确定病人的风险有一个CN只有看着她的临床背景。

最后系统测试10诊断病例,因为他们是唯一一个完整的文件的时候测试运行。另一个标准是,由于这些非典型病例有可用的这些不是很多。这些选择10例的病理情况下,起初无法确诊,必须检查一遍。一旦进行了第二次测试和诊断被释放,这些情况下立即成为候选人运行专家系统。在这些情况下被研究和运行的研究从2010年5月到2012年1月。

这些情况下风险的存在与第一个模糊评估模型”风险,”以这样一种方式,为了评估模型“受伤的决议”,使用一个不同的输出值与第一个模型。

接下来,3的10例测试提出了专家系统。所有的病例作为AGC当检查的专家首次细胞学样本,而他们的临床背景没有任何承包CN的风险。

4.1。案例1:正常细胞学,消极的狠毒

一个47岁的女人,开始她23岁第一次性关系,2性伴侣和1怀孕27岁时完成。没有以前的性传播疾病(STD)记录。没有发现宫颈损伤在探索。细胞学诊断专家提供的:消极怨恨=没有改变。系统显示在图的结果17。

4.2。案例5:细胞学、积极的狠毒,AGC

一个43岁的女人,开始她16岁第一次性关系,性伴侣1和7妊娠28岁时完成。没有以前的性传播疾病(STD)记录。没有发现宫颈损伤在探索。专家提供的细胞学诊断:自动增益控制。系统显示在图的结果18。

4.3。例8:积极的细胞学,腺癌

一个50岁的女人,19岁第一次性关系,3个性伴侣,妊娠7完成第一个二十岁的时候,通过阴道通道。没有性病。颈椎损伤的探索中发现。专家提供的细胞学诊断:腺癌=前体受伤的CN。系统显示在图的结果19。

在表5,结果显示10 HRRB确诊病例。虽然它是正确的,测试的结果不能显示显著减少假阳性或假阴性,在这些情况下,100%的医生和系统之间的相关性;然而,进一步的测试预计有更多的病例。预计实现的这个工具的百分比减少假阳性和假阴性可以量化。

专家系统是一个支持工具在宫颈癌诊断HRRB,但最后的决定是由专家。然而,在这一节中被证实,工具和技术,如图像处理和模糊逻辑能够模拟决策过程的专家。图像处理是一个非常有趣的工具,因为它是通过这些技术,详细和准确的信息可以咨询而不是人类的眼睛在手动诊断的主观性。同时,模糊逻辑是一个有用的工具满足标准,它还有助于模型从专家知识和专业技能。最后,接口的实现有助于用户理解和互动与专家系统更简单、更简单的方法。

数据是可靠的,该系统将能够诊断建议,帮助专家为病人提供一个适当的和适当的治疗。

5。结论

子宫颈瘤(CN)是一个公共卫生问题;这是最重要的一个原因死于肿瘤的女性之一。然而,这种类型的癌症是可以预防和治疗可以被认为是相对简单,诊断是合适的。

宫颈涂片不是一个诊断测试,它只是一个筛选检查,区分从这些女性可以从那些无法颈椎受伤。这些测试的结果并不总是准确。“在许多场合,细胞学可以是积极的,但最后,病人可能没有癌症前体或恶性伤害;而在其它场合,即使细胞学是负的可能会有恶性变化,没有发现。不幸的是,尽管这种情况是非常严重的,但也是非常常见的典型案件中,由于存在样本不足特性诊断为CN狠毒,不能诊断为负面倾向于恶性肿瘤(非典型腺体细胞)。人眼感知结果的决策诊断不足。这就是为什么一个工具,帮助医生进行更精确的测试是至关重要的。专家系统可以非常有用的决策的典型案例。

基于图像处理的专家系统和模糊逻辑应用于这种类型的疾病允许更少主观决策过程,满足现有的诊断标准来研究图像的更准确的信息。实施这项工作的两种技术集成专家系统是无法进行隔离,因为参数通过图像处理是不足以发出诊断。这些结果可能会有所不同从一个到另一个地方;这意味着它是模糊逻辑集成这些技术就像一个专家。

专家系统开发的研究显示一个伟大的有效性在预测患者是否可以倾向于CN根据她的背景或危险因素。然而,有很多不完整的文件,影响系统的效率,因为它依赖于输入数据。知识集成来自不同领域的发展是必不可少的系统能够模拟专家的决策过程,因为这个创新和丰富的专家系统。

在图像处理中有一个需要一些考虑拍照的时候;这意味着,如果样品o层也就是研究了污染,照片的质量将会怀疑,排放处理的结果可能nonvalid或不确定。第一个模型的集成和图像处理结果信息来源更高效的专家系统。尽管事实上,系统显示100%的正相关关系专家,有必要进行更多的测试,确定比例,这可能的错误。

总之,这里给出的工作被认为是专家的支持工具,并不是为了取代他们宝贵的劳动力。标准及注意事项每次只能只有专家和他们可以做出决定基于他们的专业知识。另一方面,一个专家系统的实现,只需要一台电脑和软件的商业用途使得它非常可行的工具领域的低资源或边缘区。专家系统的实现是医生简单处理,因为是用户友好的图形界面。系统还可以被用来作为训练工具为新医生,因为,从认证专家信息,知识,和专业知识。最后,值得一提的是,本研究的贡献依赖于CN诊断的决策过程的支持。,预计减少假阳性和假阴性的情况下非典型病例发生。