Μελέτη και σύγκριση αλγοριθμικών μεθόδων επεξεργασίας εικόνων μαστογραφίας για τη βέλτιστη ανάδειξη των μικροαποτιτανώσεων
Study and comparison of algorithmic methods for mammographic image processing for optimal enhancement of microcalcifications
Λέξεις-κλειδιά
Μαστογραφία ; Μικροαποτιτανώσεις ; Καρκίνος ; Αλγόριθμος ; CLAHE ; MAHE ; Ψηφιακή μαστογραφία ; Επεξεργασία ιατρικής εικόνας ; MIAS ; DDSM ; Μαστογραφία ακτίνων Χ ; Σύγκριση αλγορίθμων ; Ιατρικός αλγόριθμος ; Μαστός ; Καρκίνος μαστού ; Απεικόνιση μαστού ; Convolutional neural networks ; CNNs ; INbreast ; Μηχανική μάθησηΠερίληψη
Σκοπός της παρούσας εργασίας είναι η προσπάθεια της βέλτιστης ανάδειξης των πρώιμων
αλλοιώσεων, όπως οι μικροαποτιτανώσεις, σε εικόνες μαστογραφίας, με στόχο την όσο το
δυνατόν πιο έγκαιρη ανίχνευση τους, μέσω της χρήσης και εφαρμογής αλγοριθμικών μεθόδων
και τεχνικών. Ένα σημαντικό ζήτημα στη μαστογραφική απεικόνιση είναι η δυσκολία διάκρισης
των ιστών μεταξύ τους καθώς και των ύποπτων για κακοήθεια σημείων που ενδέχεται να
“κρύβονται”, λόγω της εκ φύσεως χαμηλής αντίθεσης της εικόνας μαστογραφίας. Μία από τις
μεγαλύτερες προκλήσεις είναι η αντιμετώπιση και άρση της χαμηλής αντίθεσης, η οποία αλλιώς
θα συνεπαγόταν μικρότερη διαγνωστική αξία στην μαστογραφική απεικόνιση. Αφού μελετηθεί
η ανατομία, η φυσιολογία και οι παθολογίες του μαστού, θα μελετηθεί το μηχάνημα
μαστογράφου στα βασικά του μέρη, η φυσική της μαστογραφίας και τα όριά της. Ακολουθεί
εισαγωγή στην επιστήμη επεξεργασίας εικόνας και τα οφέλη της στην ιατρική απεικόνιση. Θα
γίνει μελέτη και σύγκριση διάφορων αλγοριθμικών τεχνικών με σκοπό την εύρεση της
αποδοτικότερης μεθόδου που προσεγγίζει/επιλύει το υπό μελέτη πρόβλημα με τον καλύτερο
δυνατό τρόπο. Επιπλέον, πέραν της αντίθεσης θα μελετηθεί και συγκριθεί ο θόρυβος της εικόνας
και το πώς επιδρά η καταστολή του στο τελικό διαγνωστικό αποτέλεσμα. Για το λόγο αυτό,
μελετήθηκαν και επεξεργάστηκαν με κώδικα σε περιβάλλον MATLAB, δέκα μαστογραφίες από
την ανοιχτή βάση δεδομένων INbreast. Τα αποτελέσματα έδειξαν ξεκάθαρα την υπεροχή της
μεθόδου CLAHE, ως προς την τελική διαγνωστική αξία, που επιτυγχάνει ενίσχυση της
αντίθεσης, έναντι της μεθόδου Wavelet Denoising που πετυχαίνει μείωση του θορύβου. Τέλος,
προτείνονται μέθοδοι για περαιτέρω αξιολόγηση των αλγοριθμικών μεθόδων με ποσοτικές
τεχνικές και ιδέες για βελτίωση των οθονών των σταθμών εργασίας των μαστογραφικών
συστημάτων.
Περίληψη
The purpose of this study is to optimize the enhancement of early lesions, such as
microcalcifications, in mammography images to enable the earliest possible detection through the
use and application of algorithmic methods and techniques. A significant issue in mammographic
imaging is the difficulty in distinguishing tissues from one another, as well as identifying
suspicious areas that may “hide” due to the naturally low contrast of mammography images. One
of the greatest challenges is addressing and overcoming low contrast, which otherwise would
reduce the diagnostic value of mammographic imaging. Following an examination of breast
anatomy, physiology, and common pathologies, the study will also cover the main components of
the mammography machine, the principles of mammographic physics, and the limitations inherent
in the technology. This is followed by an introduction to image processing science and its benefits
in medical imaging. A study and comparison of various algorithmic techniques will be conducted
to determine the most efficient method to address/resolve the issue under study. In addition to
contrast, image noise will also be studied and compared to assess how its suppression affects the
final diagnostic outcome. For this purpose, ten mammograms from the open INbreast database
were processed using MATLAB code. The results clearly showed the superiority of the CLAHE
method, in terms of final diagnostic value, which enhances contrast, compared to the Wavelet
Denoising method, which reduces noise. Finally, methods are suggested for further evaluation of
algorithmic techniques using quantitative approaches and ideas for improving workstation displays
of mammographic systems.