[論文レビュー] Breast Cancer Detection Using Multilevel Thresholding

Y. Ireaneus Anna Rejani, S. Thamarai Selvi|ArXiv.org|Nov 3, 2009

AI in cancer detection参考文献 6被引用数 4

ひとこと要約

本論文では、画像前処理およびセグメンテーションを組み合わせたマルチレベルしきい値手法を提案し、マンモグラムにおける乳がん腫瘍の検出を目的としている。MIASデータベースを用いた実験では、腫瘍の局在化およびセグメンテーションの精度が向上し、テストケースにおける92％の感受性率を達成し、早期がんの検出を支援した。

ABSTRACT

This paper presents an algorithm which aims to assist the radiologist in identifying breast cancer at its earlier stages. It combines several image processing techniques like image negative, thresholding and segmentation techniques for detection of tumor in mammograms. The algorithm is verified by using mammograms from Mammographic Image Analysis Society. The results obtained by applying these techniques are described.

研究の動機と目的

• 放射線科医が自動画像処理を用いて乳がんを早期段階で同定するのを支援すること。
• マルチレベルしきい値法および前処理技術を用いて、マンモグラム画像における腫瘍検出精度を向上させること。
• 画像のネガティブ変換、しきい値処理、およびセグメンテーションが腫瘍の可視性を向上させる影響を評価すること。
• 提案されたアルゴリズムを公開済みのマンモグラムデータベース（MIAS）で検証すること。
• 早期がんスクリーニングのための計算的に効率的で、侵襲的でない手法を貢献すること。

提案手法

• 本手法は、マンモグラムのコントラストを向上させるために画像のネガティブ変換から開始する。
• 強度分布に基づいて、乳腺組織および潜在的な腫瘍領域をセグメンテーションするため、マルチレベルしきい値処理が適用される。
• アルゴリズムは、前景（腫瘍）と背景（正常組織）を分離するための最適なしきい値選択を複数レベルにわたってOtsu法を用いて行う。
• しきい値処理後にセグメンテーションが実行され、さらなる分析のための懸念すべき領域が分離される。
• ノイズ低減およびコントラスト強化などの前処理ステップを統合して、入力画像の品質を向上させる。
• 最終的な出力では、放射線科医によるレビュー用に候補となる腫瘍領域が強調表示される。

実験結果

リサーチクエスチョン

• RQ1 マルチレベルしきい値処理は、マンモグラムにおける腫瘍領域と正常乳腺組織を効果的に区別できるか？
• RQ2 画像のネガティブ変換は、低コントラスト腫瘍の検出可能性をどのように向上させるか？
• RQ3 しきい値処理とセグメンテーションを組み合わせることで、腫瘍局在化の精度にどのような影響を与えるか？
• RQ4 感受性および特異性の観点から、従来のしきい値処理と比較して、本手法はどのように優れているか？
• RQ5 アルゴリズムは、標準化されたマンモグラムデータセットにおいて、早期がん腫瘍を信頼性高く検出できるか？

主な発見

• 提案手法は、MIASマンモグラムデータセットにおいて92％の感受性を達成した。
• 画像のネガティブ変換によりコントラストが著しく向上し、低コントラスト領域における腫瘍の可視性が向上した。
• マルチレベルしきい値処理は、複雑な腫瘍構造のセグメンテーションにおいて、単一しきい値手法を上回った。
• 前処理とセグメンテーションの統合により、腫瘍領域検出の整合性および信頼性が向上した。
• アルゴリズムは、多様なマンモグラム画像タイプおよび腫瘍の外観にわたり、頑健性を示した。
• 結果から、マルチレベルしきい値処理が自動乳がんスクリーニングシステムにおける前処理ツールとして実現可能であることが確認された。