Summary

Påvisning av Architectural Distortion i Prior Mammografi<em> Via</em> Analyse av Oriented Patterns

Published: August 30, 2013
doi:

Summary

Vi demonstrere metoder for påvisning av arkitektonisk forvrengning i tidligere mammografi. Orienterte strukturer er analysert ved hjelp av Gabor filter og fase portretter å oppdage områder av utstrålende vev mønstre. Hvert område er karakterisert og klassifisert ved hjelp av tiltak for å representere spiculating mønstre. Metodene som skal hjelpe til påvisning av brystkreft.

Abstract

Vi demonstrere metoder for påvisning av arkitektonisk forvrengning i tidligere mammografi av intervall-krefttilfeller basert på analyse av orienteringen av brystvev mønstre i mammografi. Vi hypotese at arkitektonisk forvrengning modifiserer normal orientering av brystvev mønstre i mammografibilder før dannelsen av massene eller svulster. I de første trinnene av våre metoder, er de orienterte strukturer i en gitt mammogram analysert ved hjelp av Gabor filter og fase portretter å oppdage node-lignende områder av stråler eller kryssende vev mønstre. Hver detektert område er da karakterisert ved å bruke node verdi, fraktal dimensjon, og er et mål på vinkel dispersjon spesielt utformet for å representere spiculating mønstre forbundet med arkitektonisk forvrengning.

Våre metoder ble testet med en database med 106 tidligere mammografi av 56 intervall-kreft tilfeller og 52 mammografi av 13 normale tilfeller ved hjelp av funksjoner utviklet forkarakterisering av arkitektonisk forvrengning, mønster klassifisering via kvadratisk diskriminerende analyse, og validering med permisjon-ett-pasient ut prosedyre. Ifølge resultatene av fri-responsmottaker som opererer karakteristisk analyse, har våre fremgangsmåter demonstrert evnen til å detektere arkitektonisk forvrengning i tidligere mammografi, tatt 15 måneder (i gjennomsnitt) før klinisk diagnose av brystkreft, med en følsomhet på 80% ved omtrent fem falske positiver per pasient.

Introduction

Brystkreft er en stor sykdom rammer kvinner og er den nest største årsaken til kreft dødsfall blant kvinner 1,2. For å bedre sjanse til å overleve og prognosen av de berørte pasienter gjennom effektiv behandling på tidlige stadier av brystkreft, må sykdommen som skal detekteres så tidlig som mulig. I retrospektiv analyse av tilfeller av brystkreft, har subtile tegn på misdannelser er observert på tidligere ervervede screening mammografi 3,4. Arkitektonisk forvrengning er et slikt lokalisert mammografisk tegn på muligens tidlige stadier av brystkreft som er vanskelig å oppdage 5,6. De tilknyttede mønstre er vagt beskrevet som forvrengning av den normale arkitekturen i brystet med ingen bestemt masse synlig. Arkitektonisk forvrengning kunne vises på den innledende fasen av dannelsen av et bryst masse eller svulst. Vi hypotese at screening mammografi innhentet før påvisning av brystkreft cOuld inneholde subtile tegn på tidlige stadier av brystkreft, i særdeleshet, arkitektonisk forvrengning.

Figur 1a viser en tidligere mammografi bilde av en kasse skjerm-detektert kreft. Regionen abnormitet identifisert av en radiolog (JELD) er skissert med en rød firkant. Den forutgående mammogram tatt 24 måneder før påvisning mammogram vist i figur 1b. Den tidligere mammogram hadde blitt erklært å være fri for tegn på kreft på den opprinnelige forekomsten av screening. I retrospektiv analyse og sammenlignet med påvisning mammografi, en mistenkelig region relatert til området av kreft oppdaget var merket med radiologen, og er skissert i rødt på før mammografi. Den mistenkelige regionen inneholder tegn på arkitektonisk forvrengning, inkludert spicules.

Dataassistert diagnose (CAD) teknikker og systemer tilbyr muligheten for å oppnå økt følsomhet i deteksjon av breast kreft 2,7-9. Imidlertid, i sammenligning med det antall publikasjoner som foreligger i litteraturen for påvisning av andre tegn på brystkreft, slik som masser og forkalkninger, er blitt rapportert bare et lite antall studier på påvisning av arkitektoniske forvrengning i fravær av en sentrale masse 10-17. Kommersielt tilgjengelige DAK-systemer har blitt funnet å gjøre det dårlig i deteksjon av arkitektoniske forvrengning 18. Studier på påvisning av arkitektoniske forvrengning i tidligere mammografi av skjerm oppdaget eller intervall-krefttilfeller 3,4,19-22 kunne bidra i å utvikle strategier for deteksjon og behandling av brystkreft sykdommer i sine tidlige stadier, og fører til bedring i prognose for pasienten 23.

Utarbeidelse av bilete for Experiment

Forsøkene ble utført med 158 mammografibilder inkludert 106 tidligere mammografi av 56 personer diagnostisertmed brystkreft og 52 bilder av 13 normale individer. Etikk godkjenning for studien ble hentet fra Conjoint helsefaglig forskningsetikk Board, Office of Medical Bioethics, University of Calgary, og Calgary RHF. Bildene ble hentet fra Screen Test: Alberta Program for tidlig deteksjon av brystkreft 21,24,25.

Mammografi ervervet i siste planlagte besøk til screeningprogrammet før diagnostisering av kreft utenfor screeningprogrammet ble merket som tidligere mammografi av intervall-krefttilfeller. De tilsvarende diagnostiske mammografi var ikke tilgjengelig. Alle unntatt to av de 106 tidligere mammografi hadde blitt erklært å være fri for tegn på brystkreft ved kjøpstidspunktet og analyse i screeningprogrammet, enkeltpersoner som tilsvarer de to andre mammografi hadde blitt henvist til biopsi. Tidsintervallet mellom diagnostisering av kreft og tidligere mammografi varierte fra 1,5 månedens til 24,5 måneder, med et gjennomsnitt på 15 måneder og standardavvik på 7 måneder. Alle de tidligere mammografi av intervall-krefttilfeller er tilgjengelige i databasen har blitt inkludert i denne studien, bortsett fra seks bilder hvor ingen mistenkelige deler kunne bli identifisert.

De skjerm-film mammografi ble digitalisert på romlig oppløsning på 50 mikrometer og grå-skala oppløsning på 12 bits per piksel bruker Lumiscan 85 laserskanner (Lumisys, Sunnyvale, CA). En ekspert radiolog spesialisert på mammografi (JELD) gjennomgått alle de 106 tidligere mammografi av intervall-krefttilfeller og merket de mistenkte regioner av arkitektonisk forvrengning med rektangulære bokser basert på de rapportene som er tilgjengelige ved etterfølgende bildebehandling eller biopsi, eller etter nærmere inspeksjon av mammografi . Av de 106 tidligere mammografibilder i datasettet brukt i denne studien, 38 bilder har synlige arkitektoniske forvrengning, og de resterende 68 bilder inneholder tvilsom eller ingen klart evident arkitektonisk forvrengning. Hver før mammogram inneholder et enkelt område av arkitektonisk forvrengning som er identifisert av den rektangulære boksen trukket av radiolog. Den gjennomsnittlig bredde, høyde og areal på de 106 mistenkelige delene av bildene merket med radiologen er 56 mm, 39 mm, og 2274 mm 2, med standardavvik på 11,8 mm, 11,6 mm, og 1073,9 mm 2, henholdsvis.

Protocol

En. Oversikt over metodikk I vår prosedyre, er potensielle områder av arkitektonisk forvrengning i mammografi oppdages automatisk via analyse av orienterte stofflighet mønstre med anvendelsen av en bank av Gabor filtrerer 26 og modellering av fase portretter 11,27. De detekterte områder blir deretter bearbeidet gjennom trinnene for ekstrahering av trekk eller tiltak for å karakterisere arkitektonisk forvrengning, utvikling av en trenet klassifikator, og anve…

Representative Results

De tre funksjoner, nemlig node verdi, FD, og H-F, forutsatt AUC-verdier av 0,61, 0,59 og 0,64, henholdsvis, når hver egenskap ble brukt alene. Kombinert bruk av de tre funksjonene gitt forbedret ytelse med AUC = 0,70. Den Froc kurve oppnådd med kombinasjonen av de tre funksjoner er vist i figur 11, som indikerer en sensitivitet på 80% ved 5,6 fps / pasient og 89% ved 7,5 fps / pasient. Bruk av kun node verdi ga en sensitivitet på 80% ved 8,1 fps / pasient og 89% ved 13,8 fps / pa…

Discussion

Vi har presentert en rekke sofistikerte teknikker for digital bildebehandling og mønstergjenkjenning, også kjent som maskinlæring og CAD, for påvisning av arkitektoniske forvrengning i tidligere mammografi av intervall-krefttilfeller. Metodene er basert på analyse av de orienterte teksturmønstre som er tilstede i mammografi bilder. Våre metoder, inkludert flere flere funksjoner foreslått i våre relaterte arbeider, er i stand til å oppdage tidlige tegn på brystkreft 15 måneder i forkant av tidspunktet for kli…

Divulgations

The authors have nothing to disclose.

Acknowledgements

Dette arbeidet ble støttet med tilskudd fra Collaborative Research og Training Experience Programme (CREATE) og en Discovery Grant fra naturvitenskapene 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