Lesion detection in MR mammography: NMITR maps, dynamic and morphological descriptors

Abstract

Bu tez çalmasnda, devingen ztl-çoaltlm manyetik rezonans mamografiverilerini çözümleyelecek, tan duyarlln, belirliliini ve yinelenebilirliiniolabildiince arttran algoritmalar, yöntemler ve teknikler aratrlmtr. Hücresel sinir a(HSA) yaplar kullanan çok özel bir lezyon saptama yöntemi gelitirmitir. Özeltasarmlanm dört HSA kullanlarak meme alan kesimlendi. Elde edilen meme bölgesiiçin devingen görüntüler üzerinde kayan 3×3 voksel boyutlarnda bir maske kullanlarak üçboyutlu normalletirilmi en fazla younluk-zaman oran haritas elde edildi. Bu harita ikilibiçime dönütürüldü ve 11×11'lik hücrelerden oluan, üç katmanl, bulank bir HSA ilelezyonlar çevreleyen dokulardan kesimlemek ve aldatc tutulumlar elemek üzere ilendi.Yanl pozitif saptamalar azaltmak için üpheli bölgelerin hacim ve üç boyutludmerkezlilik özelliklerinden çkartlan bir dizi karar kurallar uyguland. Sistem 39hastaya ait, 37 kötü huylu ve 39 iyi huylu kütle lezyonu bulunan, 1170 adet kesitten oluan,7020 adet MR mammogram üzerinde test edildi ve en fazla %99 tan duyarllnda her birlezyon için 0.34, kesit için 0.1 ve vaka için 0.67 yanl pozitif saptama olmak üzereoldukça baarl olduu bulundu.Üç boyutlu normalletirilmi en fazla younluk-zaman oran haritalarndan eldeedilen meme lezyonlarnn morfolojik ve tutulum betimleyicilerinin kanserin saptanmasnayönelik deerlilii aratrld. Ortalama, en fazla deer, standart sapma ve danm tutulumözelliklerinin yüksek anlaml (P< 0.001) ve tanm doruluklu (0.86-0.97) olduu bulundu.En fazla younluk-zaman oran danm nicel tan için en iyi baarma sahip bulundu.Çallan morfolojik betimleyicilerden üç boyutlu dbükeylik, normalize edilmikarmaklk ve kaplam özelliklerinin tan doruluklarnn (0.70 ila 0.81 arasnda deien)iki boyutlu uyarlamalarna göre daha yüksek performansa sahip olduu saptand. Dokunmayüzey alan orannn, anlam ve doruluu en yüksek olan özellik olduu saptand (tanduyarll %75, belirllii %88, pozitif kestirim %89 ve negative kestirim %74).Elde edilen sonuçlar, normalletirilmi en fazla younluk-zaman oran görüntülerinindoal olarak lezyonlar çevreleyen normal meme dokularn ve kan damarlar tutulumlarnbastrd ve bu nedenle de lezyon saptamada ve kanser belirlemede çok etkin olduklarngöstermitir.

In this thesis, algorithms, methods and techniques for dynamic contrast-enhancedmagnetic resonance mammography (DCE-MRM) have been investigated to maximizesensitivity, specificity and reproducibility of breast cancer diagnoses. A novel lesionlocalization method that uses cellular neural networks (CNNs) was developed. The breastregion was segmented from pre-contrast images using four specifically designed CNNs. A3D normalized maximum intensity-time ratio (nMITR) map of the segmented breast wasgenerated using a moving mask of 3×3 voxels on the dynamic images. This map wasconverted into a binary form and processed with a fuzzy CNN consisting of three layers of11×11 cells to segment out lesions from the surrounding tissues and to filter-out deceptiveenhancements. A set of decision rules based on volume and 3D eccentricity of thesuspicious regions were applied to minimize false-positive detections. The system wastested on a dataset consisting of 7020 MR mammograms in 1170 slices from 39 patientswith 37 malignant and 39 benign mass lesions and was found to perform well with falsepositivedetections of 0.34/lesion, 0.10/slice and 0.67/case at a maximum detectionsensitivity of 99%.Enhancement and morphological descriptors of breast lesions derived from 3DnMITR maps were also studied for malignancy detection. The mean, the maximum value,the standard deviation and the entropy were the enhancement features found to have highsignificance (P< 0.001) and diagnostic accuracy (0.86-0.97). nMITR-entropy had the bestperformance. Among the morphological descriptors studied, 3D convexity, complexity andextent were found to have higher diagnostic accuracies (ranging between 0.70-0.81) andbetter performance than their 2D versions. Contact surface area ratio was found to be themost significant and accurate descriptor (75% sensitivity, 88% specificity, 89% PPV and74% NPV).The results demonstrate that nMITR maps inherently suppress enhancements due tonormal parenchyma and blood vessels that surround lesions and have natural tolerance tosmall field homogeneities and thus are very effective for lesion localization andmalignancy detection