Computer aided diagnosis of breast cancer

Abstract

Meme kanseri kadınlar arasında dünya genelinde 1 milyondan daha fazla bir oranda ortaya çıkan yaygın bir sorundur. Türkiye'de meme kanserinin görülme oranı 100.000'de 42.7'dir ve dolayısıyla Türk kadınları arasında akciğer kanserinden sonra ölüme neden olma açısından ikinci sıradadır. Türkiye'de kadınlar arasındaki kanser ölümlerinin %24.1'i meme kanserindendir. Amerika Birleşik Devletleri'nde (91.6/100.000) ise meme kanserinin görülme oranı Türkiye'deki oranla karşılaştırıldığında oldukça yüksektir. Şu an Amerika Birleşik Devletleri'nde yaşayan 2 milyonun üzerindeki kadın meme kanseri tedavisi görmekte.Son yıllarda meme kanseri ölüm oranları ise düşmekte. Erken teşhis ve gelişen tedavi yöntemlerinin, büyük olasılıkla bunda etkisi vardır. Bundan dolayı meme kanserinin erken teşhisi kadınların hayatında çok önemli rol oynuyor.Kanserlerin semptomlara(belirti) yol açmadan teşhis edilmesi, ana hedeftir. Meme kanserinin çeşidi ve yayılma hızı hastalar için başarılı bir tedavi açısından en önemli faktörlerdir. Dolayısıyla, meme kanseri için erken tanı testleri her sene binlerce hayatı kurtarır.Kadınlarda meme kanserinin semptomlara yol açmadan erken teşhisi için klinik meme testi, kişisel meme testi, görüntüleme testleri(mammagromlar, manyetik resonans görüntüleme, meme ultrasonu, PET scan metodu, CT scan metodu vs.) ve biyopsi gibi farklı tanı metodları vardır. MR tekniği ise görüntüleme testleri arasındaki en iyi yöntemdir. MR görüntülerinin segmentasyonu meme kanserinin teşhisi ve tanımlanmasını geliştirebilmek için önemli bir basamaktır. Meme dokusu bölümlenmezse, bilgisayar destekli teşhis sistemlerinde meme görüntülerinden gerekli bilginin çıkartılması fazla zaman alır. Bu sebeple, bölümme işlemi kanserli meme dokusunun otamatik olarak tanımlanmasında önemli bir konudur.Meme görüntülerindeki temel problem, göğüs kafesiyle meme dokusu arasındaki sınırın tanımlanmasıdır. Hasta hareketlerinden kaynaklanan etkileri en aza indirmek te segmentasyon işleminde viönemli bir basamaktır. Bu çalışmada MR meme görüntülerinin bülümlenmesi ile ilgili teknikleri inceleyeceğiz.Anahtar Kelimeler: medikal görüntü işleme, bilgisayar destekli teşhis, manyetik rezonans görüntüleme, görüntü bölümleme ve sınıflandırma, morfolojik işlemler, histogram, yapay sinir ağları, bilgi bulma, XML, veritabanı tasarımı, karşılaştırma testi

Breast cancer is a common problem among women with more than 1 million cases occurring worldwide annually. Breast cancer incidence is 42.7 per 100.000 in Turkey and it is the second leading cause of mortality among Turkish women, after lung cancer. Deaths due to breast cancer constitute 24.1% of all carcinoma cases reported among women in Turkey. In the United States (91.6 per 100.000), breast cancer incidence is relatively high when compared with Turkey. Now there are slightly over 2 million women living in the United States who have been treated for breast cancer.In recent years, breast cancer death rates are going down. This decline is probably the result of diagnosing the cancer earlier and improved treatment. For this reason, early diagnosis of breast cancer has been playing very important role on women?s lives.The goal is to identify cancers before they start to cause symptoms. The type of a breast cancer and its spreading speed are the most important factors in successful treatment for the patients. Therefore, early detection tests for breast cancer save many thousands of lives each year.There are different guidelines for finding breast cancer early in women without symptoms such as clinical breast exam, breast awareness and breast self-exam (BSE), imaging tests (mammograms, MRI, Breast ultrasound, PET scan, CT scan etc.), and biopsy. MR technique is the best method among imaging tests. The segmentation of MR images is an important step to improve the detection and diagnosis of breast cancer. If the breast tissue is not segmented, it takes more time to extract needed information from breast images in computer aided diagnosis systems. Therefore, segmentation is an important issue in automated identification of cancerous breast tissue.Main problem in breast images is the identification of the boundary between chest wall and breast tissue. Minimizing patient motion effects is also important step in segmentation process. In this study, we will discuss the techniques for the segmentation of MR breast images.Key words: medical image processing, computer aided diagnosis, magnetic resonance imaging (MRI), image segmentation and classification, morphological operators, histogram, artificial neural networks