Αυτόματη διάγνωση μαστογραφικών μικροαποτιτανώσεων με ανάλυση μορφολογίας

Abstract

Accurate segmentation of microcalcifications (MCs) in mammography is crucial for the quantification of morphologic properties by features incorporated in computer aided diagnosis (CADx) schemes. A novel segmentation method is proposed adaptive to coarse scale selection to initialize the segmentation algorithm by means of scale space signatures. Also we suggest the analysis in the continuous wavelet transform offering a rich multiscale frame. In this framework multiscale active contours are introduced utilizing as initial step the previously proposed. Active Rays method combined to linear interpolation for initial contour estimation. Then each contour point follows the direction where the gradient is maximized MCs are finally delineated by refining each contour point position at finer scales more accurately. A radial gradient method representing the current state of the art was also implemented for comparative purposes. Segmentation accuracy was quantitatively assessed by means of the Area Overlap Measure utilizing manual segmentation of individual MCs as ground truth provided by expert radiologists. A total of 1157 individual MCs were segmented in a dataset of 128 MC clusters digitized at 50μm pixel resolution. To further ensure feature reliability features extracted from the improved segmentation method were compared (Pearson correlation) to features extracted from manual experts delineations. Following four CADx schemes were implemented utilizing Least Square Minimum Distance (LSMD) classifier and morphology features extracted from the two proposed and the Radial Gradient method. Training of all classifiers was accomplished by features extracted from manually segmented MCs. Classification performance was evaluated by means of the area under ROC curve (Az). Quantitative analysis indicated that Multiscale Active Contour method initialized by Active Rays (MAC AR) had similar Area Overlap Measure performance either for small and large MCs. Furthermore, the improved method demonstrated better performance in terms of classification performance (Az=0.78) as compared to the radial gradient one (Az=0.67) however, statistically similar to manual segmentation, representing the best performance (Az=0 81).

Οι μικροαποτιτανώσεις είναι από τις πιο σημαντικές ενδείξεις παθήσεων του μαστού και μπορεί να αποτελέσουν πρώιμη ένδειξη καρκίνου του μαστού. Πρόκειται για εναποθέσεις ασβεστίου στο μαστό με τη διάμετρός τους να κυμαίνεται από 0.1 έως 1 mm και εμφανίζονται είτε μόνες είτε σε ομάδες. Η ακριβής τμηματοποίηση (segmentation) των μικροαποτιτανώσεων στη μαστογραφία συνεισφέρει στην εξαγωγή αξιόπιστων χαρακτηριστικών μορφολογίας, που χρησιμοποιούνται στην αυτόματη διάγνωση με υπολογιστή (Computer-aided Diagnosis, CADx). Στην παρούσα διατριβή προτάθηκε η μέθοδος Ενεργών Περιγραμμάτων Πολλαπλών Κλιμάκων με αρχικοποίηση Ενεργών Ακτινών στην αυτόματα επιλεγόμενη αδρή κλίμακα κυματίου. Αρχικά χρησιμοποιήθηκε ο μετασχηματισμός συνεχούς κυματίου για την παροχή πολλαπλών κλιμάκων ανάλυσης. Στο πεδίο των πολλαπλών κλιμάκων εντοπίζεται η βέλτιστη αδρή κλίμακα (coarse scale) ανάλυσης με βάση τη μέγιστη απόκριση περιοχής μικροαποτιτάνωσης (scale-space MC signature). Στη συγκεκριμένη βέλτιστη κλίμακα απόκρισης εφαρμόζεται η μέθοδος των ενεργών ακτινών για τον εντοπισμό σημείων του περιγράμματος της μικροαποτιτάνωσης σε 8 διευθύνσεις. Από αυτά τα σημεία ορίζεται πλήρως το περίγραμμα με χρήση μεθόδου γραμμικής παρεμβολής στη βέλτιστη κλίμακα απόκρισης. Κάθε σημείο του περιγράμματος ακολουθεί την κατεύθυνση μεγιστοποίησης της βάθμωσης εικόνας για τον καθορισμό του περιγράμματος στην βέλτιστη κλίμακα (directional Active Contour). Για την τελική εξαγωγή του περιγράμματος οι θέσεις των σημείων του περιγράμματος επανακαθορίζονται στις κλίμακες μεγαλύτερης ακρίβειας (fine scales). Επίσης υλοποιήθηκε μέθοδος ακτινικής βάθμωσης η οποία έχει πρόσφατα προταθεί στη βιβλιογραφία για την τμηματοποίηση μικροαποτιτανώσεων και χρησιμοποιήθηκε για συγκριτική αξιολόγηση. Η ακρίβεια τμηματοποίησης των μεθόδων τμηματοποίησης αξιολογήθηκαν ποσοτικά με το κριτήριο επικάλυψης περιοχής. Για το σκοπό αυτό χρησιμοποιήθηκαν τμηματοποιήσεις από ειδικευμένο ακτινολόγο. Τμηματοποιηθηκαν συνολικά 1157 μεμονωμένες μικροαποτιτανώσεις προερχόμενες από 128 ομάδες μικροαποτιτανώσεων ψηφιοποιημένες σε ανάλυση 50μm (βάση δεδομένων DDSM). Η ποσοτική αξιολόγηση των προτεινομένων μεθόδων τμηματοποίησης με χρήση δείκτη επικάλυψης περιοχής απέδειξε ότι η μέθοδος των Ενεργών Περιγραμμάτων Πολλαπλών Κλιμάκων με αρχικοποίηση Ενεργών Ακτινών στη βέλτιστη κλίμακα ανάλυσης χαρακτηρίζεται από εξίσου υψηλή απόδοση για τις μικρού (500μm) μεγέθους μικροαποτιτανώσεις. Επιπλέον ο ταξινομητής που βασίστηκε σε χαρακτηριστικά εξαγόμενα από τη βελτιστοποιημένη μέθοδο τμηματοποίησης παρουσίασε καλύτερη απόδοση ταξινόμησης (0.779±0.041) από τον ταξινομητή που βασίστηκαν σε χαρακτηριστικά εξαγόμενα από τη μέθοδο ακτινικής βάθμωσης (0.670±0.044). Η απόδοση ταξινόμησης του βελτιωμένου αλγόριθμου τμηματοποίησης ήταν δε παρόμοια με την απόδοση του ταξινομητή που βασίστηκε σε χαρακτηριστικά εξαγόμενα από χειροκίνητα τμηματοποιημένες μικροαποτιτανώσεις (0.813±0.037).