Summary

Обнаружение архитектурного искажений в предыдущих Маммограммы<em> Через</em> Анализ ориентированных шаблонов

Published: August 30, 2013
doi:

Summary

Мы демонстрируем методы для обнаружения архитектурного искажения в предыдущие маммографию. Ориентированные структуры анализируются с помощью фильтров Габора и фазовые портреты для обнаружения сайты излучающих узоры тканей. Каждый сайт характеризуется и классифицированы с использованием меры для представления моделей spiculating. Методы должны помочь в выявлении рака груди.

Abstract

Мы демонстрируем методы для обнаружения архитектурного искажения в предыдущие маммографию случаев интервал с раком на основе анализа ориентации модели ткани молочной железы в маммографию. Мы предполагаем, что архитектурный искажения изменяет нормальную ориентацию модели ткани молочной железы в маммографических изображений до образования массы или опухоли. На начальных ступенях наших методов, ориентированные структуры в данной маммографии анализируются с помощью фильтров Габора и фазовые портреты для обнаружения узлов, как сайты излучающих или пересекающихся узоры тканей. Каждый обнаруженный сайт будет характеризоваться использованием значения узла, фрактальной размерности и меру угловой дисперсии, специально предназначенные для представления моделей spiculating, связанные с архитектурной искажений.

Наши методы были испытаны с базой данных 106 ранее маммографию из 56 случаев интервал с раком и 52 маммографию из 13 обычных случаях с использованием функции, разработанные дляхарактеристика архитектурного искажения, классификации образов через квадратичной дискриминантного анализа и проверки с несмываемый один пациент вне процедуры. По результатам приемника бесплатно-ответ характеристической анализ, наши методы продемонстрировали возможность обнаруживать архитектурный искажения в предыдущие маммографию, принято 15 месяцев (в среднем) до клинической диагностики рака молочной железы, с чувствительностью 80% при о пять ложных срабатываний на одного пациента.

Introduction

Рак молочной железы является одной из основных заболевание, поражающее женщин и является второй по значимости причиной рака, связанных смерти среди женщин 1,2. В целях повышения шансов на выживание и прогноз пострадавших пациентов посредством эффективного лечения на ранних стадиях рака молочной железы, заболевание должно быть обнаружено как можно раньше. В ретроспективном анализе случаев рака молочной железы, тонкие признаки нарушений были отмечены на ранее приобретенных скрининга маммографию 3,4. Архитектурный искажение является одним из таких локализованных маммографической признак ранних стадиях, возможно, рака молочной железы, которые трудно обнаружить 5,6. Соответствующие шаблоны смутно описать как искажение нормальной структуры молочной железы с нет определенного масса видны. Архитектурный искажения могут появиться на начальных этапах формирования массы груди или опухоли. Мы предполагаем, что скрининг маммографию, полученные до обнаружения рака молочной железы сульд содержат тонкие признаки ранних стадиях рака молочной железы, в частности, архитектурных искажений.

На рисунке 1а показана предварительное маммографического образ случае рака экрана-обнаружено. Область аномалии определены радиолога (JELD) описана с красным прямоугольником. До маммография было принято 24 месяцев до маммографии обнаружения, показанной на рисунке 1b. До маммография была объявлена ​​свободной от признаков рака в исходном экземпляре скрининга. В ретроспективном анализе и по сравнению с маммографии обнаружения, подозрительной области, относящаяся к участку рака обнаруженного метили рентгенолога, и выделены красным цветом на предварительного маммографии. Подозрительный область содержит признаки архитектурного искажений, в том числе спикул.

Диагностика (CAD) методы и системы Автоматизированные предлагают потенциал для достижения повышенной чувствительностью в обнаружении Бреаул рак 2,7-9. Тем не менее, по сравнению с количеством публикаций, которые существуют в литературе по обнаружению других признаков рака молочной железы, таких как масс и кальцификации, были зарегистрированы на обнаружении архитектурного искажения лишь небольшое число исследований в отсутствие центральная масса 10-17. Коммерчески доступные САПР Было обнаружено, что плохо работают в обнаружении архитектурного искажений 18. Исследования по обнаружению архитектурного искажения в предыдущие маммографию экранных-обнаружен или интервал-раковых случаев 3,4,19-22 могли бы помочь в разработке стратегий для выявления и лечения заболеваний молочной железы на ранних стадиях, и привести к улучшению прогноз для пациента 23.

Подготовка изображения для эксперимента

Эксперименты проводились с 158 маммографических изображений, включая 106 ранее маммографию из 56 лиц диагнозс раком молочной железы и 52 образов 13 здоровых людей. Утверждение этики для исследования были получены из исследований в области здравоохранения Совета Совместного этике, Управления медицинской биоэтике Университета Калгари и Калгари регионального органа здравоохранения. Изображения были получены из экрана Test: Альберта программа раннего выявления рака молочной железы 21,24,25.

Маммография, приобретенные в последней календарной визита в программе скрининга до диагностики рака вне программы скрининга были помечены как ранее маммографию случаев интервал с раком. Соответствующие диагностические маммография не были доступны. Все, кроме двух 106 ранее маммографию было объявлено быть свободным от каких-либо признаков рака молочной железы на момент их приобретения и анализа в программы скрининга; лица, соответствующие двум другим маммографию был передан для биопсии. Временной интервал между диагностике рака и предыдущие маммографию колебалась от 1,5 месяцас до 24,5 месяцев, в среднем 15 месяцев и стандартным отклонением 7 месяцев. Все из известных маммографию случаев интервал-раковых доступных в базе данных были включены в настоящем исследовании, за исключением шести изображений, в которых не могут быть определены никаких подозрительных части.

В экран-пленка маммография были оцифрованы в пространственным разрешением 50 мкм и полутонового разрешением 12 бит на пиксель, используя Lumiscan 85 лазерный сканер (Lumisys, Саннивейл, Калифорния). Эксперт радиолог специализируется на маммографии (JELD) отзывы все 106 предыдущих маммографию случаев интервал с раком и отмечены подозреваемых регионы архитектурного искажений с прямоугольными коробками на основе докладов, представленных на последующей визуализации или биопсии, либо посредством подробных осмотра маммографию . Из 106 ранее маммографических изображений в наборе данных, используемой в настоящем исследовании, 38 изображения имеют видимый архитектурный искажения, а оставшиеся 68 изображений содержат сомнительные или нет четко эвIDent архитектурный искажения. Каждый перед маммография содержит единственный сайт архитектурного искажения, как это определено в прямоугольной коробке, запряженной рентгенолога. Средняя ширина, высота, и площадь 106 подозрительных частях изображений, отмеченных рентгенолога являются 56 мм, 39 мм, и 2274 мм 2, со стандартным отклонением 11,8 мм, 11,6 мм и 1073,9 мм 2, соответственно.

Protocol

1. Обзор методологии В нашей процедуре, потенциальные сайты архитектурного искажения маммографию определяются автоматически с помощью анализа ориентированных текстурных узоров с применением берегу фильтров Габора 26 и моделирование фазовых портретов 11,27.<…

Representative Results

Три особенности, а именно, значение узла, ФО, и H F, при условии, AUC значения 0,61, 0,59 и 0,64, соответственно, когда каждая функция была использоваться самостоятельно. Комбинированное использование трех функций при условии, улучшенную производительность с AUC = 0,70. Кривая РПСЦ получен?…

Discussion

Мы представили серию сложных методов цифровой обработки изображений и распознавания образов, также известный как машинного обучения и CAD, для обнаружения архитектурного искажения в предыдущие маммографию случаев интервал с раком. Методы основаны на анализе ориентированных текстурн?…

Disclosures

The authors have nothing to disclose.

Acknowledgements

Эта работа была поддержана грантами Программы совместных исследований и опыт обучения (создание) и Discovery грант от естественных и технических наук Исследовательского Совета (NSERC) Канады.

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/kr/50341?article_type=t

Play Video

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).

View Video