spiculated醫學中文的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列線上看、影評和彩蛋懶人包

利用「互訊息」搭配「圓形階層楔型假體」來評估不同數位乳房攝影系統表現之可行性

為了解決spiculated醫學中文的問題，作者楊雅琪 這樣論述：

目的:互訊息(MI)理論已被證實可以用來評估一般數位 X光攝影系統的表現，因此本研究的目的是利用「圓形階層楔型假體」搭配「互訊息(MI)」理論來評估不同乳房攝影系統的優劣，了解影像品質與低劑量攝影條件之間的關係，與照野中不同方向的影像品質。有助於在臨床上運用在乳房組織切片對於病灶邊緣的界定。材料與方法:圓形階層楔型假體(厚度包括：1, 2, 3, 4, 5, 6, 7, 8mm)，分別於A乳房攝影系統與B乳房攝影系統兩台機器進行攝影，利用23kV和28kV及9種不同mAs的條件進行照射，取得36組影像進行分析，每組影像照10次，再利用程式分析圈選ROI並計算MI值、訊雜比及對比度。結果與討論

:本研究的結果發現，透過圓形階層楔型假體可以評估照野內不同方向的影像品質差異，而且陰極處有較高的MI值，意味著比陽極處有較佳的影像品質，此結果的發現與足跟效應(Heel Effect)相符合。 本研究也發現，在兩台乳房攝影系統的比較中，MI值、訊雜比、及對比度皆會隨著kV和mAs的上升而增加。在MI值的比較中，當MI值上升到達定值時，代表著此照射參數所獲得的影像，已經可以將不同階層完全區分開。此外， A乳房攝影系統的MI值大於B乳房攝影系統，代表著A乳房攝影系統整體上有較佳的系統表現。在訊雜比的比較中，可明顯看出A乳房攝影系統的訊雜比大於B乳房攝影系同系統，也代表著A乳房攝影系統影像上的表

現有較少的雜訊。在對比度的比較中，當Contrast上升到達定值時，應該代表著此照射參數以上的影像的光度變化量不大。 A乳房攝影系統的對比度大於B乳房攝影系統，代表著A乳房攝影系統整體上光度變化量較大，對比度差異較明顯。結論: 利用「圓形階層楔型假體」搭配「互訊息(MI)」所計算出的MI值、SNR、contrast的大小可以簡單判斷不同乳房攝影系統之間影像品質的好壞，以及照野中各方向的影像品質的差異。此結果將有助於可用於改善臨床擺位位置不佳所造成較差的影像品質與使用適合的攝影條件可以達到最佳的影像品質。有助於在臨床上運用在乳房組織切片對於鈣化點或病灶邊緣的界定。

應用二維經驗模態分解之乳房攝影特徵分析

為了解決spiculated醫學中文的問題，作者陳勁宇 這樣論述：

經驗模態分解 (empirical mode decomposition, EMD) 是一種自適性的疊代運算法，用來分解非線性或非靜態之變動訊號，以得到不同的頻率成分。雙維度經驗模態分解 (bi-dimensional empirical mode decomposition, BEMD) 則發展成為分解二維影像訊號的方法。但是在BEMD求取上下包絡線的近似運算過程中，傾向於在兩個主要維度的運算，導致像素之間在不同角度的變化關係，其考量有所限制或不足。我們因此提出一個不同於BEMD的二維運算方式來解決這個現象，成功發展出新的二維經驗模態分解 (2DEMD) 方式，並且用於分析乳房Ｘ光攝影的影

像特徵，以及病變影像的強化。本研究所提出的2DEMD運算方式，是結合二維影像投影及反投影重建技術，先使用Radon transform將二維的影像，經由投影在不同的角度上，降階為一維的線性訊號。接下來，我們可以使用傳統的一維經驗模態分解(1DEMD)運算，得到多個一維的內部模態函數(intrinsic mode function, IMF)。最後藉由inverse Radon transform反投影之影像重建技術，將不同角度的一維IMF重建為二維IMF影像，如此可完成2DEMD的運算。為了將這個技術應用於乳房Ｘ光攝影，我們收集了一些不同型態的數位乳房Ｘ光攝影影像，包括不同乳腺緻密度的正常乳房

影像，以及各種常見的良惡性病變影像，以2DEMD加以分析，並判讀其影像特徵在各個不同IMF的分佈呈現方式。正常的乳腺組織集中出現在中頻部分的內部模態函數，IMF4到IMF6之間。以細線條表現的棘狀邊緣 (spiculated margin) 及結構扭曲 (architectural distortion)，則是集中呈現在較高頻的IMF2及IMF3。粗線條出現在接下來的IMF4。細微鈣化(microcalcifications)以及粗鈣化的邊緣，則是集中出現在最高頻的成分IMF1及IMF2，小粗鈣化接著出現在IMF3，大粗鈣再接下來出現在IMF4。不論是良性或惡性腫瘤本身，都集中出現在中低頻的成

分IMF5及IMF6。在本研究中，我們成功的整合影像投影及重建技術，提出一個新的二維經驗模態分解運算法，並且第一次應用新的2DEMD的技術，將乳房Ｘ光攝影的正常腺體結構及病變影像，加以歸類及分析，得到正常乳腺組織及常見的良惡性病變的IMF特徵，並成功應用於病變的影像強化，可用於增強病變影像的視覺感知，預期將有助於困難病變的影像診斷，並對後續乳房攝影的相關研究，提供基本的貢獻。