JoVE Journal > Medicine
Summary
Abstract
Introduction
Protocol
Results
Discussion
Disclosures
Acknowledgements
References
自动翻译
Please note that all translations are automatically generated. Click here for the English version.
医学

이전 유방 X 선 사진에있는 건축 왜곡의 검출<em>를 통해</em지향 패턴의> 분석

Published: August 30, 2013
doi:
10.3791/50341
, ,
1Department of Electrical and Computer Engineering, Schulich School of Engineering,University of Calgary , 2Department of Radiology,University of Calgary

Summary

우리는 이전 유방 X 선 검사에서 건축 왜곡의 검출 방법을 보여줍니다. 배향 구조는 조직 패턴을 방사의 사이트를 검출하는 가버 필터 및 위상 인물을 사용하여 분석된다. 각 사이트의 특징과 spiculating 패턴을 표현하는 수단을 사용하여 분류된다. 방법은 유방암의 검출을 지원한다.

Abstract

우리는 유방 X 선에 유방 조직 패턴의 방향의 분석에 근거하여 구간 – 암 케이스의 사전 검사 X의 구조적 왜곡을 검출하기위한 방법을 보여준다. 우리는 구조적 왜곡 질량 또는 종양의 형성 전에 유방 촬영 영상에서 유방 조직 패턴의 정상적인 방향을 수정한다는 가설. 우리의 방법의 초기 단계에서, 관련 유방 X 선에 배향 구조는 조직 패턴을 방사하거나 교차 노드와 같은 사이트를 검출하는 가버 필터 및 위상 인물을 사용하여 분석된다. 각각의 검출 된 위치는 다음 노드 값, 프랙탈 차원, 특히 구조적 왜곡과 관련된 spiculating 패턴을 표현하기 위해 고안된 각도 소산의 측정치를 사용하는 것을 특징으로한다.

우리의 방법을 위해 개발 된 기능을 사용하여 56 시간 간격 암의 경우 106 이전 유방 X 선 및 13 정상의 경우 52 유방 X 선 사진의 데이터베이스로 테스트되었습니다건축 왜곡, 차 판별 분석을 통해 패턴 분류하고 떠나 한 환자 중 절차와 검증의 특성. 특성 분석을 운영 무료 응답 수신기의 결과에 따르면, 우리의 방법은 약에서 80 %의 민감도로, 유방암의 임상 진단 전에 (평균) 15 개월 촬영 전에 유방 X 선에 구조적 왜곡을 검출하는 능력을 입증 환자 당 5 잘못된 반응.

Introduction

유방암은 여성에 영향을 미치는 주요 질환과 여성, 2 중 암 관련 사망의 두 번째 주요 원인이다. 생존 가능성 및 유방암의 초기 단계에서의 효과적인 치료를 통해 영향을받는 환자의 예후를 개선하기 위해, 질병은 가능한 빨리 검출되어야한다. 유방암의 경우 후 ​​향적 분석에서 이상의 미묘한 징후가 이전에 취득한 심사 유방 X 선 3,4에서 관찰되었다. 건축 왜곡은 5,6를 감지하기 어려운 유방암의 가능성이 초기 단계의 하나의 지역화 된 유방 촬영 기호입니다. 관련 패턴은 막연하게 더 명확한 질량에 보이는 유방의 정상 구조의 왜곡으로 설명되어 있습니다. 건축 왜곡 유방 질량 또는 종양 형성의 초기 단계에서 나타날 수있다. 우리는 심사 유방 X 선 사진 전에 유방암 C의 검출에 얻은 가설울드 특히, 건축 왜곡 유방암의 초기 단계의 미​​묘한 징후가 포함되어 있습니다.

그림 1a 화면 감지 암의 경우의 이전 유방 촬영 이미지를 보여줍니다. 방사선 (JELD)에 의해 확인 된 이상의 영역은 빨간색 사각형으로 설명되어 있습니다. 종래 유방 X는 24개월도 1b에 도시 된 검출 유방 X 전에 촬영했다. 이전 유방 X 선 검사의 원본 인스턴스에서 암의 징후가 없음을 선언했다. 회고 분석 및 검출 유방 X 선 검출 암의 위치에 관한 의심 영역에 비해,이 방사선에 의해 표시하고, 이전 유방 X 선에 적색에서 설명된다. 의심스러운 지역의 spicules 등의 건축 왜곡의 흔적을 포함하고 있습니다.

컴퓨터 지원 진단 (CAD) 기술과 시스템은 브리의 검출 감도를 증가를 달성하기위한 가능성을 제공성 암 2,7-9. 그러나, 이러한 질량과 석회화와 같은 유방암의 다른 징후의 검출에 관한 문헌에 존재 출판물의 수와 비교하여, 연구의 단지 소수의 부재하에 구조적 왜곡 검출보고되었습니다 중앙 질량 10-17. 시판 CAD 시스템은 건축 왜곡 (18)의 검출에 제대로 수행 할 수 발견되었습니다. 3,4,19-22이 초기 단계에서 유방 질환의 발견과 치료를위한 전략을 개발하는 데 도움이, 그리고 개선으로 이어질 수있는 화면 감지 또는 간격 암의 경우 사전 검사 X – 레이에있는 건축 왜곡의 검출에 관한 연구 환자 23 예후.

실험에 대한 이미지의 준비

실험은 56 개인 106 이전 유방 X 선 검사를 포함하여 158 유방 촬영 영상 진단으로 실시되었다유방암과 13 정상인의 52 이미지. 연구 윤리 승인은 공동 건강 연구 윤리위원회, 의료 생명 윤리의 사무실, 캘거리 대학교 및 캘거리 지역 보건 당국에서 얻어졌다. 유방암 21,24,25의 조기 발견을위한 앨버타 프로그램 : 이미지가 스크린 테스트에서 얻을 수 있었다.

전에 검사 프로그램 외부 암의 진단에 검사 프로그램의 마지막 예약 방문에 인수 유방 X 선은 간격 암의 경우 사전 유방 X 선으로 표시 하였다. 해당 진단 검사 X – 레이를 사용할 수 없었다. 106 이전 유방 X 선 검사의 두 가지를 제외한 모든 검사 프로그램에서 자신의 수집 및 분석시 유방암의 흔적이 없어야 선언했다, 다른 두 유방 X 선 사진에 해당하는 개인은 조직 검사에 대해 언급했다. 암의 진단 및 이전 유방 X 사이의 시간 간격은 1.5였다 달15개월 7 개월의 표준 편차의 평균과 24.5 개월의. 데이터베이스에서 사용할 수있는 간격 암의 경우 이전 유방 X 선 사진의 모든이 더 의심스러운 부분이 식별 할 수있는 여섯 이미지를 제외하고, 본 연구에 포함되었다.

스크린 필름 유방 X 선 사진은 50 μm의 Lumiscan 85 레이저 스캐너 (Lumisys, 서니 베일, CA)을 사용하여 1 픽셀 당 12 비트 그레이 스케일 해상도의 공간 해상도로 디지털화 하였다. 유방 X 선 촬영 (JELD) 전문 전문 방사선 간격 암의 경우 106 이전 유방 X 선 사진을 모두 검토하고 이후의 영상 또는 조직 검사에서 사용할 수있는 보고서를 기반으로 사각형 상자와 건축 왜곡의 의심 영역을 표시하거나, 유방 X 선 검사의 세부 검사로 . 본 연구에 사용 된 데이터 집합의 106 이전에 유방 촬영 이미지, 38 이미지가 눈에 보이는 건축 왜곡이, 나머지 68 이미지가 더 명확하게 의심 또는 EV를 포함건축 왜곡을 답하라. 방사선에 의해 그려진 사각형 상자에 의해 확인 된 각 이전 유방 X 선 건축 왜곡의 단일 사이트가 포함되어 있습니다. 평균 폭, 높이, 및 방사선에 의해 표시된 이미지의 106 의심스러운 부분의 면적은 각각 표준 11.8 mm의 편차, 11.6 ㎜, 1073.9 mm 2로, 56mm, 39mm, 및 2,274밀리미터 2입니다.

Protocol

1. 방법론의 개요 우리의 절차에서 유방 X 선 사진에 건축 왜곡의 잠재적 인 사이트가 자동으로 가보의 은행의 응용 프로그램 중심의 조직 패턴의 분석을 통해 감지 (26) 필터 및 위상의 모델링은 11,27을 초상화. 검색 사이트는 다음 건축 왜곡, 훈련 분류의 개발 및 패턴 인식 또는 분류를위한 알고리즘의 응용 프로그램을 특성화하는 기능 또는 조치의 추?…

Representative Results

세 가지 기능, 각 기능이 자체적으로 사용되었다, 즉, 노드 값, FD, 및 H F, 0.61의 제공 AUC 값, 0.59, 0.64, 각각. 세 가지 기능을 결합하여 사용 AUC = 0.70으로 향상된 성능을 제공했습니다. 세 가지 기능의 조합을 얻을 FROC 곡선은 7.5 FPS / 환자에서 5.6 FPS / 환자와 89 %에서 80 %의 민감도를 나타내는 그림 11에 나와 있습니다. 오직 노드 값의 사용은 13.8 FPS / 환자에서 8.1 FPS / 환자와 …

Discussion

또한 간격 암 케이스의 사전 검사 X의 구조적 왜곡을 검출하기위한 기계 학습 및 CAD로 알려진 디지털 이미지 처리 및 패턴 인식의 정교한 기법의 일련 제시 하였다. 방법은 유방 촬영 영상에 존재하는 중심 조직 패턴의 분석을 기반으로합니다. 우리의 관련 연구에서 제안 된 몇 가지 더 많은 기능을 포함하여 우리의 방법은, 4 개 이하 FPS / 환자의 22에서 80 %의 감도로, 평균에, 15개월 앞서 ?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

이 작품은 공동 연구 및 교육 체험 프로그램 (작성) 및 디스커버리 그랜트 자연 과학에서 캐나다의 공학 연구위원회 (NSERC)에서 교부금에 의해 지원되었다.

References

  1. Tang, J., Rangayyan, R. M., Xu, J., El-Naqa, I., Yang, Y. Computer-aided detection and diagnosis of breast cancer with mammography: Recent advances. IEEE Transactions on Information Technology in Biomedicine. 13 (2), 236-251 (2009).
  2. van Dijck, J. A. A. M., Verbeek, A. L. M., Hendriks, J. H. C. L., Holland, R. The current detectability of breast cancer in a mammographic screening program. Cancer. 72 (6), 1933-1938 (1993).
  3. Rangayyan, R. M., Prajna, S., Ayres, F. J., Desautels, J. E. L. Detection of architectural distortion in mammograms acquired prior to the detection of breast cancer using Gabor filters, phase portraits, fractal dimension, and texture analysis. International Journal of Computer Assisted Radiology and Surgery. 2 (6), 347-361 (2008).
  4. Homer, M. J. . Mammographic Interpretation: A Practical Approach. , (1997).
  5. Knutzen, A. M., Gisvold, J. J. Likelihood of malignant disease for various categories of mammographically detected, nonpalpable breast lesions. Mayo Clinic Proceedings. 68, 454-460 (1993).
  6. Rangayyan, R. M., Ayres, F. J., Desautels, J. E. L. A review of computer-aided diagnosis of breast cancer: Toward the detection of subtle signs. Journal of the Franklin Institute. 344, 312-348 (2007).
  7. Doi, K. Diagnostic imaging over the last 50 years: research and development in medical imaging science and technology. Physics in Medicine and Biology. 51, R5-R27 (2006).
  8. Rangayyan, R. M. . Biomedical Image Analysis. , (2005).
  9. Rangayyan, R. M., Ayres, F. J. Gabor filters and phase portraits for the detection of architectural distortion in mammograms. Medical and Biological Engineering and Computing. 44, 883-894 (2006).
  10. Ayres, F. J., Rangayyan, R. M. Reduction of false positives in the detection of architectural distortion in mammograms by using a geometrically constrained phase portrait model. International Journal of Computer Assisted Radiology and Surgery. 1, 361-369 (2007).
  11. Karssemeijer, N., te Brake, G. M. Detection of stellate distortions in mammograms. IEEE Transactions on Medical Imaging. 15 (5), 611-619 (1996).
  12. Guo, Q., Shao, J., Ruiz, V. F. Characterization and classification of tumor lesions using computerized fractal-based texture analysis and support vector machines in digital mammograms. International Journal of Computer Assisted Radiology and Surgery. 4 (1), 11-25 (2009).
  13. Sampat, M. P., Whitman, G. J., Markey, M. K., Bovik, A. C., Fitzpatrick, J. M., Reinhardt, J. M. Evidence based detection of spiculated masses and architectural distortion. Proceedings of SPIE Medical Imaging 2005: Image Processing. 5747, 26-37 (2005).
  14. Tourassi, G. D., Delong, D. M., Floyd Jr, ., E, C. A study on the computerized fractal analysis of architectural distortion in screening mammograms. Physics in Medicine and Biology. 51 (5), 1299-1312 (2006).
  15. Nemoto, M., Honmura, S., Shimizu, A., Furukawa, D., Kobatake, H., Nawano, S. A pilot study of architectural distortion detection in mammograms based on characteristics of line shadows. International Journal of Computer Assisted Radiology and Surgery. 4 (1), 27-36 (2009).
  16. Matsubara, T., Hara, T., Fujita, H., Endo, T., Iwase, T. Automated detection method for mammographic spiculated architectural distortion based on surface analysis. 3 (1), 176-177 (2008).
  17. Baker, J. A., Rosen, E. L., Lo, J. Y., Gimenez, E. I., Walsh, R., Soo, M. S. Computer-aided detection (CAD) in screening mammography: Sensitivity of commercial CAD systems for detecting architectural distortion. American Journal of Roentgenology. 181, 1083-1088 (2003).
  18. Sameti, M., Ward, R. K., Morgan-Parkes, J., Palcic, B. Image feature extraction in the last screening mammograms prior to detection of breast cancer. IEEE Journal of Selected Topics in Signal Processing. 3 (1), 46-52 (2009).
  19. Rangayyan, R. M., Banik, S., Desautels, J. E. L. Computer-aided detection of architectural distortion in prior mammograms of interval cancer. Journal of Digital Imaging. 23 (5), 611-631 (2010).
  20. Banik, S., Rangayyan, R. M., Desautels, J. E. L. Detection of architectural distortion in prior mammograms. IEEE Transactions on Medical Imaging. 30 (2), 279-294 (2011).
  21. Banik, S., Rangayyan, R. M., Desautels, J. E. L. Measures of angular spread and entropy for the detection of architectural distortion in prior mammograms. International Journal of Computer Assisted Radiology and Surgery. 8, 121-134 (2013).
  22. Broeders, M. J. M., Onland-Moret, N. C., Rijken, H. J. T. M., Hendriks, J. H. C. L., Verbeek, A. L. M., Holland, R. Use of previous screening mammograms to identify features indicating cases that would have a possible gain in prognosis following earlier detection. European Journal of Cancer. 39, 1770-1775 (2003).
  23. Alto, H., Rangayyan, R. M., Paranjape, R. B., Desautels, J. E. L., Bryant, H. An indexed atlas of digital mammograms for computer-aided diagnosis of breast cancer. Annales des Télécommunications. (5-6), 820-835 (2003).
  24. Gabor, D. Theory of communication. Journal of the Institute of Electrical Engineers. 93, 429-457 (1946).
  25. Rao, A. R. . A Taxonomy for Texture Description and Identification. , (1990).
  26. Otsu, N. A threshold selection method from gray-level histograms. IEEE Transactions on Systems, Man, and Cybernetics. 9 (1), 62-66 (1979).
  27. Gonzalez, R. C., Woods, R. E. . Digital Image Processing. , (2002).
  28. Ayres, F. J., Rangayyan, R. M. Design and performance analysis of oriented feature detectors. Journal of Electronic Imaging. 16 (2), (2007).
  29. Samulski, M., Karssemeijer, N. Optimizing case-based detection performance in a multiview CAD system for mammography. IEEE Transactions on Medical Imaging. 30 (4), 1001-1009 (2011).
  30. Muralidhar, G. S., Bovik, A. C., Giese, J. D., Sampat, M. P., Whitman, G. J., Haygood, T. M., Stephens, T. W., Markey, M. K. Snakules: a model-based active contour algorithm for the annotation of spicules on mammography. IEEE Transactions of Medical Imaging. 29 (10), 1768-1780 (2010).
  31. Ayres, F. J., Rangayyan, R. M., Hozman, J., Kneppo, P. Detection of architectural distortion in mammograms via analysis of phase portraits and curvilinear structures. Proceedings of EMBEC’05: 3rd European Medical & Biological Engineering Conference. 11, 1768-1773 (2005).
  32. Ferrari, R. J., Rangayyan, R. M., Desautels, J. E. L., Frère, A. F. Analysis of asymmetry in mammograms via directional filtering with Gabor wavelets. IEEE Transactions on Medical Imaging. 20 (9), 953-964 (2001).
  33. Zwiggelaar, R., Astley, S. M., Boggis, C. R. M., Taylor, C. J. Linear structures in mammographic images: Detection and classification. IEEE Transactions on Medical Imaging. 23 (9), 1077-1086 (2004).
  34. Ferrari, R. J., Rangayyan, R. M., Borges, R. A., Frère, A. F. Segmentation of the fibro-glandular disc in mammograms using Gaussian mixture modeling. Medical and Biological Engineering and Computing. 42, 378-387 (2004).
  35. Ichikawa, T., Matsubara, T., Hara, T., Fujita, H., Endo, T., Iwase, T., Fitzpatrick, J. M., Sonka, M. . Automated detection method for architectural distortion areas on mammograms based on morphological processing and surface analysis. , 920-923 (2004).
  36. Sonka, M., Hlavac, V., Boyle, R. . Image Processing, Analysis and Machine Vision. , (1993).
  37. Canny, J. A computational approach to edge detection. IEEE Transactions on Pattern Analysis and Machine Intelligence. 8 (6), 679-698 (1986).
  38. Rao, A. R., Jain, R. C. Computerized flow field analysis: Oriented texture fields. IEEE Transactions on Pattern Analysis and Machine Intelligence. 14 (7), 693-709 (1992).
  39. Kirkpatrick, S., Gelatt, C. D., Vecchi, M. P. Optimization by simulated annealing. Science. 220 (4598), 671-680 (1983).
  40. Gershenfeld, N. . The Nature of Mathematical Modeling. , (1999).
  41. Mandelbrot, B. B. The Fractal Geometry of Nature. , (1983).
  42. Peitgen, H. -. O., Jürgens, H., Saupe, D. . Chaos and Fractals: New Frontiers of Science. , (2004).
  43. Fortin, C., Kumaresan, R., Ohley, W. Fractal dimension in the analysis of medical images. IEEE Engineering in Medicine and Biology Magazine. 11, 65-71 (1992).
  44. Schepers, H. E., van Beek, J. H. G. M., Bassingthwaighte, J. B. Four methods to estimate the fractal dimension from self-affine signals. IEEE Engineering in Medicine and Biology Magazine. 11, 57-64 (1992).
  45. Bak, P., Tang, C., Wiesenfeld, K. Self-organized criticality: An explanation of 1/f noise. The American Physical Society. 59, 381-384 (1987).
  46. Billock, V. A., De Guzman, G. C., Kelso, J. A. S. Fractal time and 1/f spectra in dynamic images and human vision. Physica D: Nonlinear Phenomena. 148, 136-146 (2001).
  47. Anguiano, E., Pancorbo, M. A., Aguilar, M. Fractal characterization by frequency analysis: I. Surfaces. Journal of Microscopy. 172, 223-232 (1993).
  48. Aguilar, M., Anguiano, E., Pancorbo, M. A. Fractal characterization by frequency analysis: II. A new method. Journal of Microscopy. 172, 233-238 (1993).
  49. Metz, C. E. ROC methodology in radiologic imaging. Investigative Radiology. 21, 720-733 (1986).
  50. Bornefalk, H., Hermansson, A. B. On the comparison of FROC curves in mammography CAD systems. Medical Physics. 32 (2), 412-417 (2005).
  51. Miller, H. The FROC curve: A representation of the observer’s performance for the method of free response. Journal of the Acoustical Society of America. 46, 1473-1476 (1969).
  52. Chakraborty, D. P. Statistical power in observer-performance studies: Comparison of the receiver operating characteristic and free-response methods in tasks involving localization. Academic Radiology. 9 (2), 147-156 (2002).
  53. Ramsey, F. L., Schafer, D. W. . The Statistical Sleuth: A Course in Methods of Data Analysis. , (1997).
  54. Wiley-Interscience, . , (2001).
  55. Rangayyan, R. M., Banik, S., Chakraborty, J., Mukhopadhyay, S., Desautels, J. E. L. Measures of divergence of oriented patterns for the detection of architectural distortion in prior mammograms. International Journal of Computer Assisted Radiology and Surgery. , (2013).
  56. Burhenne, L. J. W., Wood, S. A., D’Orsi, C. J., Feig, S. A., Kopans, D. B., O’Shaughnessy, K. F., Sickles, E. A., Tabar, L., Vyborny, C. J., Castellino, R. A. Potential contribution of computer-aided detection to the sensitivity of screening mammography. Radiology. 215 (2), 554-562 (2000).
  57. Birdwell, R. L., Ikeda, D. M., O’Shaughnessy, K. F., Sickles, E. A. Mammographic characteristics of 115 missed cancers later detected with screening mammography and the potential utility of computeraided detection. Radiology. 219 (1), 192-202 (2001).

Tags

Keywords: Architectural DistortionMammogramsOriented PatternsGabor FiltersPhase PortraitsNode ValueFractal DimensionAngular DispersionQuadratic Discriminant AnalysisFree-response Receiver Operating Characteristic
check_url/cn/50341?article_type=t

Play Video
PDF
DOI
Cite This Article
Rangayyan, R. M., Banik, S., Desautels, J. L. Detection of Architectural Distortion in Prior Mammograms via Analysis of Oriented Patterns. J. Vis. Exp. (78), e50341, doi:10.3791/50341 (2013).
Download Citation
Reprints and Permissions

View Video

✖

To prove you're not a robot, please enter the text in the image below

CAPTCHA Image
Play CAPTCHA Audio
Refresh Image