[论文解读] Segmentation of Breast Regions in Mammogram Based on Density: A Review

Nafiza Saidin, Harsa Amylia Mat Sakim+2 more|arXiv (Cornell University)|Sep 25, 2012

Digital Radiography and Breast ImagingMedicine参考文献 55被引用 21

一句话总结

本综述基于组织密度，审查了乳腺影像中乳腺区域的分割技术，重点分析纤维腺瘤组织检测与解剖区域分割。评估了用于分类和分割致密乳腺组织的方法——这对早期乳腺癌检测至关重要——同时探讨了由于真实标签（ground truth）限制导致的性能评估挑战。

ABSTRACT

The focus of this paper is to review approaches for segmentation of breast regions in mammograms according to breast density. Studies based on density have been undertaken because of the relationship between breast cancer and density. Breast cancer usually occurs in the fibroglandular area of breast tissue, which appears bright on mammograms and is described as breast density. Most of the studies are focused on the classification methods for glandular tissue detection. Others highlighted on the segmentation methods for fibroglandular tissue, while few researchers performed segmentation of the breast anatomical regions based on density. There have also been works on the segmentation of other specific parts of breast regions such as either detection of nipple position, skin-air interface or pectoral muscles. The problems on the evaluation performance of the segmentation results in relation to ground truth are also discussed in this paper.

研究动机与目标

• 分析并综合基于组织密度对乳腺影像中乳腺区域进行分割的现有方法。
• 识别聚焦于纤维腺瘤组织及乳头、皮肤-空气界面、胸肌等解剖结构的分割技术中的研究空白。
• 评估分割方法在真实标签数据下的性能表现，突出不一致性和局限性。
• 为计算机辅助诊断系统提供基于密度的分割技术的全面概述。
• 通过识别分割精度与验证方面的未充分探索领域和方法论挑战，为未来研究提供指导。

提出的方法

• 2000年至2012年期间，对基于乳腺密度的乳腺影像分割相关同行评审文献进行系统性综述。
• 将方法分为三大类：腺体组织分类、纤维腺瘤组织分割、特定解剖区域分割。
• 分析图像处理技术在分割中的应用，如阈值分割、边缘检测、区域生长和活动轮廓法。
• 评估研究中使用的性能指标，包括敏感性、特异性及Dice相似系数，特别关注真实标签的可靠性。
• 比较不同研究中的算法方法，重点关注预处理、特征提取和后处理步骤。
• 识别数据集可用性、标注质量以及缺乏标准化评估协议等方面的常见局限。

实验结果

研究问题

• RQ1 基于乳腺密度，目前用于分割纤维腺瘤组织的主要技术有哪些？
• RQ2 不同分割方法在识别乳头、皮肤-空气界面和胸肌等解剖结构方面的表现如何？
• RQ3 由于真实标签数据不一致，评估分割准确性的主要挑战是什么？
• RQ4 乳腺密度如何影响分割算法的选择与有效性？
• RQ5 当前研究在标准化评估与分割结果可重复性方面存在哪些空白？

主要发现

• 多数研究集中于纤维腺瘤组织的分类或分割，而非基于密度的完整乳腺解剖区域分割。
• 尽管乳头和胸肌等特定结构具有临床相关性，但其分割研究仍较少被探索。
• 性能评估常因真实标签标注质量差或不一致而受阻，降低了报告指标的可靠性。
• 阈值法和基于边缘的方法仍被广泛使用，但在低对比度的致密乳腺组织中准确性有限。
• 主动轮廓法和区域生长法表现出更优结果，但需要仔细调整参数并进行精确初始化。
• 缺乏标准化的数据集和评估协议，限制了结果的可重复性与跨研究比较。