DIagnostic Assist par ordinateurs des Mammographies: Automatisation des Notations et du Traage Parti

1
DIagnostic Assisté par ordinateurs des
Mammographies Automatisation des Notations et
du TraçagePartie détection/caractérisation

• Annabelle Gouze
• Cours SBIM 24 mars 06

2
Plan

• Partie I Quelles sont les objectifs fixés
• Cadre du projet DIAMANT
• Objectifs et fonctionnalités
• Partie II Introduction au processus de
  dépistage
• Partie III Détection
• Partie IV Défi

3
Contexte du projet Dépistage du cancer du sein

• Cancer le plus fréquent chez la femme (33 des
  nouveaux cancers).
• Risque pour quune femme en développe un au cours
  de sa vie 12
• Le nombre de cas augmente avec l'âge et devient
  un problème préoccupant en terme de santé
  publique dès l'âge de 35-40 ans.
• 67 des cancers du sein sont diagnostiqués entre
  45 et 75 ans, seulement 1 avant 30 ans et 15
  avant 45 ans.
• Augmentation de l'incidence du cancer du sein
  60 entre 1975-95 augmentation de la mortalité
  8. ? amélioration de la survie liée
• au diagnostic précoce
• au développement de thérapeutiques plus
  efficaces.

4
Quel est lenjeu du dépistage?

• le cancer le mieux soigné si il est identifié
  assez tôt.
• la mammographie sert à diagnostiquer des cancers
  même à un stade précoce.
• Le diagnostic précoce reste encore actuellement
  le meilleur moyen pour tenter d'améliorer le
  pronostic et le traitement ? les traitements sont
  moins agressifs, plus efficaces et la maladie a
  beaucoup plus de chance d'être limitée au sein.
• La tendance actuelle va d'ailleurs vers une
  tentative de prévention en proposant des examens
  sénologiques systématiques en fonction des
  facteurs de risque dont l'âge reste le plus
  important.

5
Problèmes spécifiques

• Assurance qualité
• par la compétence des radiologues,
• par un contrôle régulier des installations
  radiologiques,
• par la double lecture de la mammographie,
• par la collaboration de lensemble du monde
  médical,
• par le suivi et lévaluation réguliers des
  résultats.
• Problèmes spécifiques
• Difficulté dinterprétation (examen complétaire,
  fausse détection)
• Compte-rendu pas assez standardisé
• Double lecture non remboursée (pas toujours
  automatisée)
• Suivi du patient (examen antérieur)

6
Principaux objectifs

• Développement dune station daide au diagnostic
  pour le dépistage du cancer du sein (CAD).
• Fonctionnalités
• outils de visualisation, de reconnaissance vocale
  
• outils de détection des lésions ( benchmarking),
• outils d'annotation
• But Générer automatiquement le compte-rendu à
  partir des annotations automatiques (détection,
  extraction de caractéritiques) et manuelles
  (annotations du médecin)

7
Objectifs outils de détection

• Détection des différents types danomalies
• Extraction des caractériques
• Nombre, repartition, taille, forme,localisation
• Classification 1 - Elimination des fausses
  détection à partir des caractéristiques
• Classification 2 identification de lanomalie

8
Plan

• Partie I Quelles sont les objectifs fixés
• Partie II Introduction au processus de
  dépistage
• Chaîne de dépistage
• Données traités
• Interpretation
• Partie III Détection
• Partie IV Défi

9
Processus de diagnostique du cancer du sein
Late Stage Cancer
20
Previous
CancerDiagnosis
Involved Actors
20
BreastBiopsy
Early Stage Cancer
80
25
80
Benign or Atypical FollowUp
DiagnosticWorkup
Diamant
12
Screening Mammogram
RX views, US (?)
Routine or 6 month FollowUp
75
RX, 4 viewsPhysical exam
Normal Mammogram Routine FollowUp
88
Référence Imaginis
10
Processus de screening
11
Screening données

• Entretient avec la patiente
• 4 mammographies par patiente CC MLO (2)
• Images rayon-X 4K X 4K X 2 bytes 32 Mbyte
• Dossier médical

microcalcifications
masse maligne
12
Screening Acquisition des images

• Pour le dépistage analyse des 2 seins
• 2 incidences pour un sein gt pratiquement
  impossible d'obtenir une

• image complète du sein sur une incidence
  (convexité)

Zones non visuaisées sur la mammographie
13
Incidences mammographiques

• 3 incidences fondamentales
• 1. incidence de face (Cranio-caudale)
• 2. incidence de profil
• 3. incidence oblique externe  

14
Incidence cranio-caudale

• Sur cette incidence, les quadrants externes se
  superposent entre eux d'une part et les quadrants
  internes entre eux d'autre part. Cette incidence
  explore bien la région centrale et la région
  interne du sein.

15
Incidence de profil

• Cette incidence est généralement préférée au
  profil externe, car elle permet une analyse plus
  fine des lésions internes et une dissociation des
  structures externes.

16
Incidences complémentaires
17
Plan

• Partie I Quelles sont les objectifs fixés
• Partie II Introduction au processus de
  dépistage
• Chaîne de dépistage
• Données traitées
• Interprétation
• Partie III Détection
• Partie IV Défi

18
Mammographie classification densité
19
Densité mammaire
20
Densité mammaire
21
Plan

• Partie I Quelles sont les objectifs fixés
• Partie II Introduction au processus de
  dépistage
• Partie III Détection
• Quels sont les objets détecter?
• Quelles sont leurs caractéristiques
• Algorithmes de détection
• Partie IV Défi

22
Quelles sont les lésions à détecter?

• Séméiologie radiologique du cancer du sein  
• Les opacités (visibles sur au moins 2 incidences)
• 1. Les tumeurs phyllodes
• 2. Les tumeurs malignes  
• Les signaux fibreux   (visibles sur 1 incidence)
• 1. Les images stellaires
• 2. Les distorsions architecturales
• 3. Hyperdensité focalisée et asymétrique  
• Les calcifications

23
Les caractéristiques opacités

• Forme
• Contours

24
Caractéristiques calcifications

• Morphologie
• Nombre, distributions

25
Calcifications
26
Classification BIRADS
27
Classification des anomalies (ACR)
28
Classifications ACR masses

• 1

1
2
29
Classification ACR Calcifications
1
1
2
2
30
ACR désorganisation architecturale
31
ACR Asymétrie de densité
32
Plan

• Partie I Quelles sont les objectifs fixés
• Partie II Introduction au processus de
  dépistage
• Partie III Détection
• Quels sont les objets détecter?
• Schéma général de détection
• Détection de microcalcifications
• Détection de masses
• Partie IV Défi

33
CAD Fonctionnalités Détection

• Outils de détection spécialisés pour les
  différents types danomalie
• Opacités,
• Microcalcifications, macrocalcifications
• Autres lésions
• Algorithmes de détections de type
• ondelettes (continu ou DWT)
• Rh-maxima, watersheds,

34
Détection

• Extraction des caractéristiques (BI-RADS)
• masses volume, forme
• calcifications nombre, densité, distribution,
  morphologie
• autres lésions (cicatrice, hématome,..)
• Algorithmes de classification

35
Schéma général de détection
36
Plan

• Partie I Quelles sont les objectifs fixés
• Partie II Introduction au processus de
  dépistage
• Partie III Détection
• Quels sont les objets détecter?
• Schéma général de détection
• Détection de microcalcifications
• Détection de masses
• Partie IV Défi

37
Détections de microcalcifications

• Difficultés
• leurs petites tailles
• leur faible contraste
• leurs aspects similaires (en radiographie) au
  tissus dense
• Présence prédominantes des microcalcifications
  dans 18 des cancers non détectés

38
Détection de microcalcifications

• Pre-processing
• suppression de bruit
• rehaussement du contraste
• extraction de la zone mammaire
• Extraction de caractéristiques
• localisation de signaux suspects
• Analyse des caractéristiques
• réduire le nombre de faux positifs

39
Détections de microcalcifications

• Pre-processing
• techn. de traitement d'image, méthodes de
  filtrage
• Extraction de caractéristiques
• techniques différence-image
• seuillage de zones locales
• méthodes basées sur la transformée en ondelettes
• brouillage d'image et opérateurs morphologiques
• analyse statistique des textures
• signatures Laplacian scale-space

40
Détection de microcalcifications

• Analyse des caractéristiques
• techniques rules-based
• réseaux de neurones
• combinaison des rules-based et réseaux de neurones

41
Défi 1 méthode Strauss et al. 92

• Détection automatiques des microcalcifications
• Filtrages morphologiques filtrage fin filtrage
  fort
• Extraction des maxima régionaux algorithme du
  RH-maxima
• Caractéristiques nombre localisation
• Restitution de la forme
• segmentation watershed contours ltgt gradient
  maximum
• conserver pics de gradient marqués par le
  rh-maxima

42
Défi 2 méthode Dengler et al. 93

• Processus de détection
• Pas 1 rendre processus independent de
  lintensité lumineuse
• Pas 2 Weighted difference of Gaussians
• Si gt0 ? moyenne locale def par le noyau de taille
  est 1/w fois gt moyenne locale def par le
  noyau de taille
• Critère de décision finale
• T dpt du bruit

43
Défi 2 méthode Dengler et al. 93 (suite)

• Reconstruction de la forme (déformation du au
  filtre gaussien)
• Top-hat transform
• Résidu dune ouverture
• RImage Ouverture (Image)
• Seuillage (pour le bruit)

44
Analyse des microca (Dhawan 96)

• But classifier le degré de malignité
• Définition des caractéristiques de l'image
• caractérisation de la texture
• globale histogramme stat. du 2nd ordre
• locale (des microca ROI) WT
• statistiques basées sur l'histogramme d'ordre 1
• de la région segmentée, sa taille, nombre de
  microca,

45
Schéma danalyse (Dhawan 96)

• Extraction des zones
• sélection manuelle de la zone de microca gt
  masque
• Extraction dune sous-image
• Caractéristiques globales de texture (histo de
  2nd ordre)
• Entropie,contraste, moment angulaire du 2nd
  ordre, inverse difference moment, correlation,
  moyenne,deviation,
• Caractéristiques locales à partir des paquets
  dondelettes

46
Plan

• Partie I Quelles sont les objectifs fixés
• Partie II Introduction au processus de
  dépistage
• Partie III Détection
• Quels sont les objets détecter?
• Schéma général de détection
• Détection de microcalcifications
• Détection de masses
• Partie IV Défi

47
Détection de masses

• Pre-processing
• Faible SNR des contours
• Background très structuré
• Localiser

Détection de bord échoue ? rehausser le contrast
48
Défi 3 méthode de Hadhoud et al.

• Rehaussement de contrast
• Methode 1 morphologie mathématique
• Top-hat et filtrage gaussien pour rehauss.
  contrast
• Méthode 2 ondelettes
• Decompostion en ondelettes et seuilage des coeff
• Segmentation
• Technique basée-région seuillage
• Définir seuil global somme de mim locaux des
  pdf des histogrammes des coeff. dondelettes.

49
Défi 4 méthode de Kinnard et al.

• Extract. ROI pixel aggregat. region growing
• init. 1 pixel (intensité max dans la zone
  supecte)
• Itération sélection des X gt Seuil (X dans
  4-voisins)
• Jusquà ce que la ROI ne grandisse plus
• La ROI peut être agrandie avec un seuil plus
  petit
• Détection du contours de la ROI Chain code et
  remplir la zone avec un critère de seuillage

50
Défi 4 méthode de Kinnard et al.(suite)

• Analyse maximum de vraisemblance
• Sélectionner la meilleure partition en 2 régions
• Avec la région segmentée

51
Détection de masses (Petrick 96)

• DWCE preprocessing filter (density-weighted
  contrast enhanc.)
• Normalisation de limage,
• Calcul de la densité
• et du contrast
• Rehaussement du contrast par un facteur fct
  de
• DWCE

52
Détection de masses (Petrick 96)

• Détection de contour
• Application dun détecteur Laplacien-Gaussien
  optimal sur limage préfiltrée DWCE
• Pb DWCE merge des objets différents
• Séparation des objets détectés
• Définition dune valeur de coupure fonction des
  aires droite et gauche et des valeurs de x
• Classification dobjets morphologiques

53
Evaluation des méthodes

• Les courbes ROC (True Positive vs False Positive)
  donne le taux de vrai positifs en fonction du
  taux de faux positifs.
• pour la distinction entre les tissus normaux et
  bénins et les tissus affectés

54
Plan

• Partie I Quelles sont les objectifs fixés
• Partie II Introduction au processus de
  dépistage
• Partie III Détection
• Partie IV Défi
• Défi compte redu
• Lecture dun article

55
Défi

• Implémentation dune méthode de détection sur
  base dun article
• Identification des tâches (lecture de larticle)
• Programmation des différentes parties
• Description des résultats intermédiaires
• Résumer toutes les caractéristiques relevantes
  pour une interprétation ultérieure

56
Lecture dun article

• Identifier les objectifs principaux
• titre- résumé mots-clés, conclusion
• Identifier les points principaux
• Passer en revue larticle et les points
  principaux
• Aller dans le détail
• Etude plus appronfondie des parties concernées