Effect of tumor delineation strategies on ANN classification accuracy in lung CAD

Abstract

Akciğer kanseri ciddi bir hastalıktır ve hastaların hayatta kalma oranı erken ve doğru saptanmasına bağlıdır. Bilgisayar teşhis metotları tümörün saptanmasında ve sınıflandırılmasında yaygın olarak kullanılmaktadır. Tümör çizim algoritmalarının çeşidi veya radyoloğun çizimi göğüs x-ray filmlerinde bulunan akciğer tümörlerinin sınıflandırılmasına etki edebilir. Tümörleri daha iyi çizmek ve sınıflandırmak için ön işleme gereklidir. Histogram eşitlemesi, bulanık minimizasyonu, kemiklerin çıkarılması ve tümör etrafının kesilerek filmden çıkarılması ön sürecin bazı işlemleri arasında sayılabilir.Bu çalışmada temel amaç, kemikleri çıkartılmış göğüs filmleri üzerinde akciğer tümörlerinin doğru bir şekilde sınıflandırılmasını sağlamak, değişik tümör çizim algoritmaları ve yapay nöral ağ sınıflandırılmaları oluşturmak ve bu ağların başarımını ölçmektir. Aynı zamanda da bilgisayar teşhis metodunun katkısını ve işlenmemiş filmler üzerinde yapılan radyolog çizimlerine göre oluşan teşhisinin doğruluğunu hesaplamaktır. Çalışmada JSRT(Japanese Society of Radiological Technology) tarafından oluşturulmuş tümör içeren standart dijital film verisi ve bu verinin kemikleri çıkartılmış halleri de çalışmada kullanılmıştır. Ön süreç ve pencere ayarları tümör tam olarak görülmediğinde kullanılmıştır. Yapay nöral ağlar sınıflandırma ve değerlendirmede kullanılmıştır. Sonunda, yüksek duyarlılık ve özgünlük oranları elde edilmiş ve değişik çizim tekniklerinin istatistiksel olarak farklı olabileceği bulunmuştur. Özet olarak, sonuçlar tatmin edici ve ilgi çekicidir. Çalışma gelecekte genişletilebilir ve başka çizim algoritmaları kullanılabilir.

Lung Cancer is a serious illness and patient survival rate depends on early and accurate detection. CAD systems are commonly used for detection and characterization of nodules. The type of tumor segmentation algorithm or radiologist segmentation may affect the accuracy when characterizing lung nodules on chest x-ray images. In order to segment and classify nodules better, preprocessing step is needed. Histogram equalization, fuzzy minimization, bone subtraction, cropping can be some steps of preprocessing.In this study, the main object is to evaluate the accuracy of the characterization of lung nodules on bone subtracted chest x-ray images by using different types of boundary segmentation algorithms and an artificial neural network based classification method. Another aim is to evaluate the contribution of CAD systems and accuracy of radiologist segmentation on raw chest X-ray. The standard digital image database with chest lung nodules (JSRT database) that was created by the Japanese Society of Radiological Technology in cooperation with the Japanese Radiological Society (JRS) is used. To subtract the bones a bone shadow elimination algorithm is used. Preprocessing and look up tables are used if nodule is not clearly seen. Active contour, spline active contour and radiologist based delineation methods are used. Artificial neural network classifications are used and their accuracy is evaluated. At the end, high specificity and sensitivity ratios are obtained and different segmentation techniques are compared. As a result, results are satisfying and interesting. Future work is possible to extend the study to other segmentation techniques and modalities.