Evaluation of a fuzzy logic based computer aided diagnosis system for chest x-ray nodule detection and characterization

Abstract

Akciğer kanseri, dünyada hem kadınlar hem de erkekler için kanser ölümlerinin başında geldiği için akciğer kanserleri üzerindeki bilgisayar destekli çalışmalar büyük bir öneme sahiptir. Akciğer nodüllerinin kanserli ve kansersiz olarak kesin ayrımını yapmak zor olabilmektedir. Bilgisayar destekli tanı sistemleri bu ayrımı yapmak konusunda radyologlara yardımcı olmaktadır. Akciğer nodüllerinin bilgisayar destekli ayırımı; bölme, özellik belirleme ve sınıflandırma gibi çeşitli aşamalardan oluşmaktadır. Bu çalışmada, her bir aşamayı optimize ederek sınıflandırma doğruluğunu geliştirmeyi amaçlamaktayız.Bu çalışmanın temel amacı, algoritmaların performans kıyaslamasını yaparak ve en uygun sınıflandırma parametrelerini seçerek, x-ray görüntüleri üzerinde belirlenmiş nodüllerinin tanımlama oranını arttırmaktır.Bu çalışmada, JSRT veri tabanında bulunan 154 tane önden çekilmiş x-ray göğüs görüntüsü test materyali olarak kullanılmıştır. Veritabanı 100 tane kanserli ve 54 tane kansersiz nodül içermektedir. Bizim sistemimiz; ön işlem, belirme, ayırma, özellik belirleme ve sınıflandırma aşamalarından oluşmaktadır. Sınıflandırmayı daha verimli hale getirmek için ayrılmış nodüllerden 14 tane özellik (biçimsel özellikler, istatistiksel özellikler ve dokusal özellikler) belirledik.Bu çalışmada nodülleri kanserli ve kansersiz olarak ayırmak için öncelikle, en yakın komşuluk yöntemi ve bulanık mantık yöntemi kullanılmıştır. Sistemi farklı parametre değerleri için test ettik. Elde ettiğimiz ilk sonuçlara göre, optimum doğruluk değeri en yakın komşuluk yöntemine göre %68.8 ve bulanık mantık yöntemine göre %61.3' tür.Elde ettiğimiz ilk sonuçlar bu yöntemin radyologların akciğer nodüllerini kanserli ve kansersiz olarak ayırmasında ikinci bir fikir sunma amacıyla kullanılabileceğini göstermiştir.

Computer aided systems has a crucial importance on lung nodule studies, since lung cancer is the leading cause of cancer related death for both men and women worldwide. Accurate characterization of lung nodules as malignant or benign may be difficult. CAD can assist radiologists in improving the accuracy of classification. The computer-assisted characterization of lung nodules involves several steps including segmentation, feature extraction and classification. In this study, we aim to optimize each step in order to improve the overall accuracy through on classification accuracy. The main objective of this study is to improve the characterization of detected nodules on chest x-rays by performance comparison of algorithms and optimum selection of classifier parameters.In this study, 154 posteroanterior chest x-ray images included in JSRT Database were used as test materials. The database consists of 100 malignant and 54 benign nodules. Our system involves pre-processing, detection, segmentation, feature extraction and classification steps. We have determined 14 features (morphological features, statistical features and textural features) from each segmented nodule to make the classification more efficient. Initially in this work we have used k-nearest neighbor classifier and fuzzy classifier to classify the nodules as malignant or benign. We have tested the algorithm for different parameter values. According to our initial results, the optimal accuracy for k-NN classification is 68.8% and for the fuzzy classification it is 61.3%.The initial results reveal that this methodology has the potential to assist radiologists as a second opinion tool in the classification of benign and malignant lung nodules.