[論文レビュー] Automatic Mammogram image Breast Region Extraction and Removal of Pectoral Muscle

Rainer Boss, K. Thangavel+1 more|arXiv (Cornell University)|Jul 29, 2013

AI in cancer detection参考文献 17被引用数 24

ひとこと要約

本稿では、メディオ・ローラル・オブリクス（MLO）視野マンモグラムにおける乳房領域抽出および縦隔筋除去のための自動化されたヒストグラムベースの8近傍連結成分ラベリング手法を提案する。この手法は、筋肉の干渉による誤検出を低減し、セグメンテーションの精度を向上させることで、コンピュータ支援診断（CAD）システムの精度を向上させる。評価結果では、既存手法を上回る優れた性能を示している。

ABSTRACT

Currently Mammography is a most effective imaging modality used by radiologists for the screening of breast cancer. Finding an accurate, robust and efficient breast region segmentation technique still remains a challenging problem in digital mammography. Extraction of the breast profile region and the removal of pectoral muscle are essential pre-processing steps in Computer Aided Diagnosis (CAD) system for the diagnosis of breast cancer. Primarily it allows the search for abnormalities to be limited to the region of the breast tissue without undue influence from the background of the mammogram. The presence of pectoral muscle in mammograms biases detection procedures, which recommends removing the pectoral muscle during mammogram image pre-processing. The presence of pectoral muscle in mammograms may disturb or influence the detection of breast cancer as the pectoral muscle and mammographic parenchymas appear similar. The goal of breast region extraction is reducing the image size without losing anatomic information, it improve the accuracy of the overall CAD system. The main objective of this study is to propose an automated method to identify the pectoral muscle in Medio-Lateral Oblique (MLO) view mammograms. In this paper, we proposed histogram based 8-neighborhood connected component labelling method for breast region extraction and removal of pectoral muscle. The proposed method is evaluated by using the mean values of accuracy and error. The comparative analysis shows that the proposed method identifies the breast region more accurately.

研究の動機と目的

• デジタルマンモグラムにおける正確な乳房領域セグメンテーションのための自動化された手法の開発を目的とする。
• MLO視野マンモグラムにおける縦隔筋の干渉という課題に取り組み、がん検出に歪みを生じさせることを防ぐことを目的とする。
• 乳房組織を分離する前処理を施すことで、コンピュータ支援診断（CAD）システムの効率性と正確性を向上させることを目的とする。
• 背景ノイズや関係のない解剖的構造を低減し、乳房実質への検出に焦点を当てる。
• MLO視野マンモグラムのデータセットを用いて、平均精度と誤差指標を用いて、定量的な既存手法との比較評価を実施する。

提案手法

• 本手法は、MLOマンモグラムにおける乳房組織とバックグラウンドを区別するためにヒストグラムベースのしきい値処理を採用する。
• 強度の連結性に基づいて、8近傍連結成分ラベリングを適用して、乳房領域を特定・セグメンテーションする。
• 空間的および強度的特性の分析を用いて、セグメンテーション領域内における縦隔筋を同定し、除去する。
• アルゴリズムは、マorphological操作を用いて、セグメンテーションされた乳房境界を精緻化し、アーチファクトを除去する。
• 非乳房構造を除去しつつ、解剖学的詳細を保持するように設計されている。
• 評価は、MLO視野マンモグラムのデータセットを用いて、平均精度と誤差指標を用いて実施される。

実験結果

リサーチクエスチョン

• RQ1 自動化されたヒストグラムベースの手法は、MLO視野マンモグラムにおける乳房領域抽出をどの程度正確に行えるか？
• RQ2 縦隔筋の除去は、その後続のCADシステムの性能をどの程度向上させるか？
• RQ3 8近傍連結成分ラベリングは、乳房組織とバックグラウンドおよび筋肉を効果的に区別できるか？
• RQ4 本手法は、既存のセグメンテーション技術と比較して、正確性と誤差の点でどの程度優れているか？
• RQ5 筋肉除去による前処理は、乳がん検出の全体的な信頼性にどのような影響を与えるか？

主な発見

• 提案手法は、従来のアプローチと比較して、乳房領域抽出において高い正確性を達成している。
• 縦隔筋の除去により、CADシステムにおける誤検出が顕著に低減されている。
• 本手法は、コントラストやノイズレベルが異なる多様なMLO視野マンモグラム画像においても、頑健な性能を示している。
• 定量的評価では、セグメンテーションにおける平均精度が向上し、誤差率が低減されている。
• ヒストグラムベースのしきい値処理と連結成分ラベリングの活用により、手動介入なしに効率的かつ信頼性の高いセグメンテーションが可能になっている。
• 結果から、縦隔筋除去による前処理が、その後続の診断分析の精度を向上させることを確認している。