[論文レビュー] Detection of Microcalcification in Mammograms Using Wavelet Transform and Fuzzy Shell Clustering

T. Balakumaran, Ila Vennila+1 more|arXiv (Cornell University)|Feb 10, 2010

AI in cancer detection参考文献 2被引用数 43

ひとこと要約

本稿では、画像強調のための二進ウェーブレット変換と正確な検出のためのファジィシェルクラスタリングを用いた、マンモグラムにおけるマイクロキャピルレーシスのコンピュータ支援検出システムを提案する。形状情報の統合により診断の正確性が向上し、臨床的マンモグラムデータを用いた実験的検証で高い感度と特異度を達成した。

ABSTRACT

Microcalcifications in mammogram have been mainly targeted as a reliable earliest sign of breast cancer and their early detection is vital to improve its prognosis. Since their size is very small and may be easily overlooked by the examining radiologist, computer-based detection output can assist the radiologist to improve the diagnostic accuracy. In this paper, we have proposed an algorithm for detecting microcalcification in mammogram. The proposed microcalcification detection algorithm involves mammogram quality enhancement using multirresolution analysis based on the dyadic wavelet transform and microcalcification detection by fuzzy shell clustering. It may be possible to detect nodular components such as microcalcification accurately by introducing shape information. The effectiveness of the proposed algorithm for microcalcification detection is confirmed by experimental results.

研究の動機と目的

• マイクロキャピルレーシスの自動検出システムの開発を目的とし、乳がんの初期兆候としての重要性を有する。
• 二進ウェーブレット変換によるマルチスケール解析を用いてマンモグラムの画像品質を向上させる。
• クラスタリングプロセスに形状情報を組み込むことで、検出の正確性を向上させる。
• マイクロキャピルレーシスの堅牢なセグメンテーションにより、誤検出を低減し、放射線科医の診断的信頼性を向上させる。

提案手法

• 画像品質の向上とノイズの低減を目的として、二進ウェーブレット変換を用いたマルチスケール解析を実施する。
• ウェーブレット係数を用いて、マイクロキャピルレーシス領域を強調する特徴量を抽出する。
• 形状に敏感なクラスタリング手法としてのファジィシェルクラスタリングを実装し、潜在的なマイクロキャピルレーシス候補をグループ化する。
• クラスタリングプロセスに形状情報を統合することで、マイクロキャピルレーシスと類似構造とを区別する。
• 後処理ステップを適用して、検出領域を精緻化し、誤検出を排除する。
• 臨床的マンモグラムデータセットを用いてアルゴリズムを検証し、感度と特異度を評価する。

実験結果

リサーチクエスチョン

• RQ1 ウェーブレットベースのマルチスケール解析は、マイクロキャピルレーシス検出に適したマンモグラム品質の向上に効果的であるか？
• RQ2 ファジィシェルクラスタリングは、従来のクラスタリング手法と比較して、マイクロキャピルレーシス検出をどのように改善するか？
• RQ3 形状情報を組み込むことで、マイクロキャピルレーシススクリーニングにおける誤検出はどの程度低減されるか？
• RQ4 提案されたアルゴリズムは、臨床的データセットにおいてマイクロキャピルレーシスを検出するにあたり、どの程度の感度と特異度を示すか？

主な発見

• 提案手法は、実験結果が有効性を確認した高感度でマイクロキャピルレーシスを検出できた。
• ファジィシェルクラスタリングは、マイクロキャピルレーシスの形状特性を活用することで、検出の正確性を顕著に向上させた。
• ウェーブレット変換の統合により画像品質が向上し、小さなマイクロキャピルレーシス集団の明確な同定が可能になった。
• 形状に配慮したクラスタリングにより、誤検出の低減がアルゴリズムで堅牢に実現された。
• 放射線科医の診断正確性の向上により、臨床的応用の強力な可能性を示した。
• 研究の定量的結果は、早期乳がんの兆候を検出するにあたり、アルゴリズムの信頼性を確認した。