디지털 마모그램에서 Mass형 유방암 분할을 위한 초기 위치 자동 검출

Automatic Detection of Initial Positions for Mass Segmentation in Digital Mammograms

  • 이봉렬 (한국항공대학교 정보통신공학과) ;
  • 이명진 (한국항공대학교 항공전자 및 정보통신공학부)
  • 투고 : 2010.02.26
  • 심사 : 2010.05.07
  • 발행 : 2010.05.31

초록

Mass형 종양 분할의 성능은 mass의 초기 위치에 큰 영향을 받는다. 따라서 몇몇의 논문들은 방사선 전문의로부터 획득한 mass의 초기 위치를 이용하여 종양의 분할을 진행하였다. 그러나, 본 논문은 mass 검출을 위한 부가정보 없이 디지털 마모그램만을 이용한 컴퓨터 지원 진단 시스템을 구성하여 방사선 전문의에게 mass로 추정되는 곳의 위치를 제시함을 목표로 한다. 제안된 시스템은 영역 확장 기법과 열림 연산을 통한 유방 영역 분할, 분할된 유방영역에서 mass 특성을 갖는 위치의 시드 설정, 설정된 시드 기반 레벨 셋을 통한 mass 영역 분할로 구성된다. Mass 분할을 위한 시드 설정은 부표본화된 유방영상에 대해 블록기반 분산 정보와 마스킹 정보를 이용하는 Mass Scoring Measure(MSM) system을 통하여 수행되었다. 테스트에 사용된 이미지는 DDSM 데이터베이스를 사용하였으며, 실험 결과 종양검출의 정확도는 4 FP/image에서 78%의 민감도를 나타내었고, 상하방향(CC)과 내외사방향(MLO) 이미지를 동시 고려시 92%의 민감도를 보였다.

The performance of mass segmentation is greatly influenced by an initial position of a mass. Some researchers performed mass segmentation with the initial position of a mass given by radiologists. The purpose of our research is to find the initial position for mass segmentation and to notify the segmented mass to radiologists without any additional information on mammograms. The proposed system consists of breast segmentation by region growing and opening operations, decision of an initial seed with characteristics of masses, and mass segmentation by a level set segmentation. A seed for mass segmentation is set based on mass scoring measure calculated by block-based variances and masked information in a sub-sampled mammogram. We used a DDSM database to evaluate the system. The accuracy of mass detection is 78% sensitivity at 4 FP/image, and it reached 92% if multiple views for masses were considered.

키워드

과제정보

연구 과제 주관 기관 : 한국과학재단

참고문헌

  1. American Cancer Society, "Statistics for 2009," www.cancer.org
  2. D. Cascio, F. Fauci, R. Magro, G. Raso, R.Bellolti, F. De Carlo, S. Tangaro, G. De Nunzio, M. Quarta, G. Forni, A. Lauria, M. E. Fantacci, A. Retico, G. L. Masala, P. Oliva, S. Bagnasco, S. C. Cheran, and E. L. Torres, "Mammogram segmentation by contour searching and mass lesions classification with neural network," IEEE Trans. on Nuclear Science, Vol.53, pp. 2827-2833, 2006 https://doi.org/10.1109/TNS.2006.878003
  3. Y. Yuan, M. L. Giger, H. Li, K. Suzuki, and C. Sennett, "A dual-stage method for lesion segmentation on digital mammograms," Medical Physics, Vol.34, No.11, pp. 4180-4193, 2007 https://doi.org/10.1118/1.2790837
  4. N. H. Eltonsy and G. D. Tourassi, "A Concentric Morphology Model for the Detection of Masses in Mammography," IEEE Trans. on Medical Imaging, Vol.26, No.6, pp. 880-889, Jun, 2007 https://doi.org/10.1109/TMI.2007.895460
  5. B. Zheng, G. Maitz, J. K. Leader, and D. Gur, "Increasing sensitivity of masses cued on both views by CAD," Proc. SPIE, Vol.6144, 61441Y-7, 2006
  6. J. Wei, B. Sahiner, L. M. Hadjiiski, H. Chan, M. A. Helvie, M. A. Roubidoux, C. Zhou, J. Ge, and Y. Zhang, "Two view information fusion for improvement of computer aided detection (CAD) of breast masses on mammo-grams," Proc. SPIE, Vol. 6144, 614424-1, 2006
  7. Y. Yuan, M. L. Giger, H. Li, and C. Sennett, "Correlative feature analysis on FFDM," Medical Physics, Vol.35, Issue 12, pp. 5490-5500, December 2008 https://doi.org/10.1118/1.3005641
  8. J. Shi, B. Sahiner, H. Chan, J. Ge, L. Hadjiiski, M. A. Helvie, A. Nees, Y. Wu, J. Wei, C. Zhou, Y. Zhang, and J. Cui, "Characterization of mammographic masses based on level set segmentation with new image features and patient information, " MedicaL Physics, Vol.35, No.1, pp.280-290, 2008 https://doi.org/10.1118/1.2820630
  9. J. Cui, B. Sahiner, H. Chan, A. Nees, C. Paramagul, L. M. Hadjiiski, C. Zhou, and J. Shi, "A new automated method for the segmentation and characterization of breast masses on ultrasound images," Medical Physics, Vol.36, No.5, pp. 1553-1565, 2009 https://doi.org/10.1118/1.3110069
  10. R. C. Gonzalez and R. E. Woods, Digital Image Processing 2nd Edition, Prentice Hall, New Jersey, 2002
  11. T. Chan and L. Vese, "Active Contours without Edges," IEEE Trans. on Image Processing, Vol.10, pp. 266-277, 2001 https://doi.org/10.1109/83.902291
  12. Mammographic Image Analysis: http://www.mammoimage.org/databases/
  13. American College of Radiology, BI-RADS Atlas, http://www.acr.org/SecondaryMainMenuCategories/quality_safety/BIRADSAtlas.aspx