Summary

Påvisning af Architectural Distortion i Prior Mammografi<em> Via</em> Analyse af orienteret Mønstre

Published: August 30, 2013
doi:

Summary

Vi demonstrere metoder til påvisning af arkitektonisk forvrængning i tidligere mammografi. Orienterede strukturer analyseres ved hjælp Gabor filtre og fase portrætter til at opdage steder af udstrålende væv mønstre. Hver site er karakteriseret og klassificeres ved foranstaltninger til at repræsentere spiculating mønstre. Metoderne skal hjælpe i påvisning af brystkræft.

Abstract

Vi demonstrere metoder til påvisning af arkitektonisk forvrængning i tidligere mammografi af interval-kræfttilfælde er baseret på analyse af orienteringen af ​​brystvæv mønstre i mammografi. Vi hypotesen, at arkitektonisk forvrængning ændrer den normale orientering af brystvæv mønstre i mammografibilleder før dannelsen af ​​masserne eller tumorer. I de indledende trin i vores metoder er de orienterede strukturer i en given mammografi analyseret ved hjælp Gabor filtre og fase portrætter til at opdage node-lignende steder udstrålende eller skærer væv mønstre. Hver detekteret site derefter karakteriseres ved knudepunktet værdi fraktale dimension og et mål for vinkelmæssig spredning specifikt designet til at repræsentere spiculating mønstre forbundet med arkitektonisk forvrængning.

Vores metoder blev testet med en database over 106 tidligere mammografi af 56 interval-kræfttilfælde og 52 mammografi af 13 normale tilfælde ved hjælp af de funktioner, der er udviklet tilkarakterisering af arkitektonisk forvrængning, mønster klassificering via kvadratisk diskriminant analyse og validering med leave-one-patient ud procedure. Ifølge resultaterne af frit modtageenhed opererer karakteristisk analyse har vores metoder demonstreret evnen til at detektere arkitektonisk forvrængning i tidligere mammografi, taget 15 måneder (i gennemsnit) før klinisk diagnose af brystkræft, med en følsomhed på 80% på omkring fem falske positiver per patient.

Introduction

Brystkræft er en alvorlig sygdom, der påvirker kvinder, og er den anden hyppigste årsag til kræft dødsfald blandt kvinder 1,2. For at forbedre chancen for overlevelse og prognosen af ​​de ramte patienter gennem en effektiv behandling ved tidlige stadier af brystkræft, der skal opdages så tidligt som muligt sygdommen. I retrospektiv analyse af tilfælde af brystkræft, har subtile tegn på abnormiteter blevet observeret på tidligere erhvervede screening mammografi 3,4. Arkitektonisk forvrængning er en sådan lokaliseret mammografi tegn på eventuelt tidlige stadier af brystkræft, der er vanskelig at opdage 5,6. De associerede mønstre er vagt beskrevet som forvrængning af den normale arkitektur af brystet uden nogen bestemt masse synlige. Arkitektonisk forvrængning kan forekomme på de indledende stadier af dannelsen af ​​en bryst masse eller tumor. Vi hypotesen, at screening mammografi indhentet forud for påvisning af brystkræft cOuld indeholder subtile tegn på tidlige stadier af brystkræft, især arkitektonisk forvrængning.

1a viser en forudgående mammografi billede af et tilfælde af screen-opdages kræft. Regionen abnormitet identificeret ved en radiolog (JELD) er skitseret med en rød firkant. Den tidligere mammografi blev taget 24 måneder før afsløring mammografi vist i figur 1b. Den tidligere mammografi var blevet erklæret for at være fri for tegn på kræft på den oprindelige instans af screening. I retrospektiv analyse og i sammenligning med afsløring mammografi, en mistænkelig område relateret til stedet for kræft opdages blev mærket af radiologen, og er skitseret i rødt på den forudgående mammografi. Den mistænkelige region indeholder tegn på arkitektonisk forvrængning, herunder spikler.

Computerstøttet diagnose (CAD) teknikker og systemer giver mulighed for at opnå øget følsomhed i afsløring af breast kræft 2,7-9. Men i sammenligning med antallet af publikationer, der findes i litteraturen på påvisning af andre tegn på brystkræft, såsom masser og forkalkninger, er blevet rapporteret kun et lille antal undersøgelser på påvisning af arkitektoniske forvrængning i mangel af en central masse 10-17. Kommercielt tilgængelige CAD-systemer har vist sig at udføre dårligt i påvisning af arkitektonisk forvrængning 18. Undersøgelser om afsløring af arkitektonisk forvrængning i tidligere mammografi for skærm-registreres eller interval-kræfttilfælde 3,4,19-22 kunne hjælpe med at udvikle strategier til påvisning og behandling af brystkræft sygdomme på deres tidlige faser, og føre til forbedringer i prognose for patienten 23.

Forberedelse af billeder til eksperimentet

Forsøg blev udført med 158 mammografibilleder herunder 106 tidligere mammografi af 56 personer diagnosticeretmed brystkræft og 52 billeder af 13 normale individer. Etik godkendelse til undersøgelsen blev indhentet fra Conjoint Health Research Ethics Board, Kontoret for Medicinsk bioetik, University of Calgary og Calgary Regional Health Authority. Billederne blev opnået fra Screen Test: Alberta Program til tidlig påvisning af brystkræft 21,24,25.

Mammografi erhvervet i sidste planlagte besøg i screeningsprogrammet forud for diagnose af kræft uden for screeningsprogrammet var mærket som tidligere mammografi af interval-kræfttilfælde. De tilsvarende diagnostiske mammografi ikke var til rådighed. Alle men to af de 106 tidligere mammografi var blevet erklæret for at være fri for ethvert tegn på brystkræft på tidspunktet for deres erhvervelse og analyse i screeningsprogrammet, de personer, der svarer til de to andre mammografi var blevet henvist til biopsi. Tidsintervallet mellem diagnosticering af kræft og tidligere mammografi varierede fra 1,5 måneders til 24,5 måneder med et gennemsnit på 15 måneder og standardafvigelse på 7 måneder. Alle de tidligere mammografi af interval-kræfttilfælde er tilgængelige i databasen er blevet medtaget i den foreliggende undersøgelse, bortset fra seks billeder, hvor der ikke mistænkelige dele kunne identificeres.

Skærmen-film mammografi blev digitaliseret ved den rumlige opløsning på 50 um og grå-skala opløsning på 12 bits per pixel ved hjælp af Lumiscan 85 laserscanner (Lumisys, Sunnyvale, CA). En ekspert radiolog med speciale i mammografi (JELD) gennemgået alle de 106 tidligere mammografi af interval-kræfttilfældene og markerede den formodede områder af arkitektonisk forvrængning med rektangulære kasser baseret på de indberetninger er tilgængelige på efterfølgende billedbehandling eller biopsi eller ved detaljeret inspektion af mammografi . Af de 106 tidligere mammografi billeder i datasættet anvendt i nærværende undersøgelse, 38 billeder har synlige arkitektoniske forvrængning, og de resterende 68 billeder indeholder tvivlsomme eller ikke tydeligt evident arkitektonisk forvrængning. Hver forudgående mammografi indeholder en enkelt lokalitet af arkitektonisk forvrængning som er identificeret af den rektangulære kasse tegnet af radiologen. Den gennemsnitlige bredde, højde og areal af de 106 mistænkelige dele af billeder, der er markeret med radiologen er 56 mm, 39 mm og 2.274 mm 2 med standardafvigelse på 11,8 mm, 11,6 mm og 1073,9 mm 2, hhv.

Protocol

1.. Oversigt over Metode I vores procedure, er potentielle steder af arkitektonisk forvrængning i mammografi registreres automatisk via analyse af orienterede stoflige mønstre med anvendelsen af en bank af Gabor filtre 26 og modellering af fase portrætter 11,27. De fundne steder behandles derefter gennem trinene i udvinding af funktioner eller foranstaltninger til at karakterisere arkitektonisk forvrængning, udvikling af en uddannet klassificeringen, og anven…

Representative Results

De tre funktioner, nemlig node værdi, FD, og H F, forudsat AUC-værdier på 0,61, 0,59 og 0,64, henholdsvis når hver funktion blev brugt på egen hånd. Kombineret brug af de tre funktioner, forbedret ydeevne med AUC = 0,70. Froc kurve opnået med kombinationen af de tre funktioner er vist i figur 11, hvilket indikerer en følsomhed på 80% ved 5,6 fps / patient og 89% ved 7,5 fps / patient. Brug kun node værdi forudsat en følsomhed på 80% ved 8,1 fps / patient og 89% ved 13,8 f…

Discussion

Vi har præsenteret en række avancerede teknikker til digital billedbehandling og mønstergenkendelse, også kendt som machine learning og CAD, til påvisning af arkitektonisk forvrængning i tidligere mammografi af interval-kræfttilfælde. Metoderne er baseret på en analyse af de orienterede stoflige mønstre til stede i mammografi billeder. Vores metoder, herunder flere flere funktioner foreslået i vores relaterede værker, er i stand til at opdage tidlige tegn på brystkræft 15 måneder forud for tidspunktet for…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Dette arbejde blev støttet af tilskud fra Collaborative Research and Training Experience Programme (CREATE) og en Discovery Grant fra naturvidenskab og Engineering Research Council (NSERC) i Canada.

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).
check_url/fr/50341?article_type=t

Play Video

Citer Cet 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).

View Video