Υπολογιστικά υποβοηθούμενη ανάλυση της υφής του μαζικού αδένα

Abstract

Mammographically dense breast tissue is related to higher risk of breast cancer. We aim to evaluate a computerized system, assess if it can provide accurate, and objective estimation of the breast density and if it can accurately classify the mammograms according to the ACR- BIRADS system. We retrospectively reviewed the MLO and CC views of 83 normal mammograms and classified them, both manually and with the use of computerized texture analysis (CTA) according to their density. We grouped the mammograms either into 2 (ACR 1-2, ACR 3-4) or four categories (ACR 1 to 4). An inter-rater reliability analysis using the kappa statistic was performed to determine consistency among the radiologist and the CTA. The best matching was observed for the MLO view when the classification involved 2 groups (94%). The equivalent matching for the CC view was 92,8%. When we used all 4 ACR categories the matching was lower: i.e 84,3% for the MLO view and 79,5% for the CC view. For older patients (>50 years old) the best matching was for the MLO views while for the younger patients equal matching was observed for both views. Overall, substantial to almost perfect agreement was observed between the two methods of assessment. If a single view is to be used that should be the MLO view since the addition of CC view does not seem improve the sensitivity of the method. Results of the current thesis suggest the contribution of the computerized texture analysis methods in estimating and categorizing the breast tissue according to its density. The proposed method is a reliable and accurate form of computerized assisted diagnosis.

Στα πλαίσια της παρούσας Διατριβής μελετήθηκε η συμβολή των μεθόδων ανάλυσης υφής του μαζικού αδένα στη ψηφιοποιημένη μαστογραφία, η μέτρηση της πυκνότητας του παρεγχύματος με την βοήθεια τεχνικών ψηφιακής επεξεργασίας καθώς και η ταξινόμηση της πυκνότητας του αδένα σύμφωνα με το ACR-BIRADS σύστημα. Έχει αναφερθεί ότι η πυκνότητα του μαζικού αδένα είναι ένας ουσιαστικός δείκτης που σχετίζεται με τον καρκίνο του μαστού. Για τον καθορισμό της περιοχής ενδιαφέροντος του μαζικού αδένα προτάθηκε ο τεμαχισμός της σε μικρότερες περιοχές και η εφαρμογή προσαρμοζόμενης κατωφλίωσης στις επιμέρους περιοχές. Η διαφορετική προσέγγιση της ανάλυσης της υφής του μαζικού αδένα με πρόγραμμα επεξεργασίας κειμένων, η επεξεργασία διανυσματικών γραφικών,, η εφαρμογή αλγορίθμων και η χρήση ταξινομητών συνέβαλλαν στην αυτόματη ταξινόμηση της πυκνότητας του μαστού σύμφωνα με την ACR- BIRADS ταξινόμηση. Μελετήθηκαν 83 μαστογραφίες (CC και MLO λήψεις) και ταξινομήθηκαν, σύμφωνα με την πυκνότητά τους, αρχικά απο έμπειρους ακτινολόγους και στη συνέχεια απο υπολογιστικό πρόγραμμα ανάλυσης υφής του μαζικού αδένα. Ταξινομήθηκαν σε δύο ομάδες (ACR 1-2, ACR 3-4) και σε τέσσερις κατηγορίες (ACR 1 μέχρι 4) και συγκρίναμε στατιστικά τα αποτελέσματα. Το μεγαλύτερο ποσοστό συμφωνίας μεταξύ ακτινολόγων και υπολογιστικής μέτρησης ήταν 94% και παρατηρήθηκε στις MLO στην ταξινόμηση των δύο ομάδων. Το αντίστοιχο ποσοτό για τις CC λήψεις ήταν 92,8% ενώ στις τέσσερις κατηγορίες ήτων 84,3% και 79,5% για τις MLO και CC αντίστοιχα. Σε γυναίκες >50 ετών υπήρχε μεγαλύτερη συμφωνία στις MLO λήψεις ενώ σε μικρότερης ηλικίας γυναίκες δεν υπήρχε ουσιαστική διαφορά μεταξύ των δύο λήψεων. Το αποτέλεσμα της παρούσας διατριβής υποδηλώνει την ακρίβεια και την αξιοπιστία της υπολογιστικά υποβοηθούμενης ανάλυσης της υφής του μαζικού αδένα, μέθοδος μέτρησης και ταξινόμησης της πυκνότητας του μαζικού αδένα.