CC BY
12Использование информационных технологий для выявления области кисты молочной железы на маммограммах
Садыков С.С.1, Захарова Е.А.2, Буланова Ю.А.1
1 Муромский институт (филиал) ГОУ ВПО «Владимирский государственный университет им. А. Г. и Н. Г. Столетовых»;
2 НУЗ «Отделенческая больница на станции Муром» ОАО «РЖД»
Use of information technologies to detect a breast cyst area on mammograms Sadykov S.S.1, Zakharova E.A.2, Bulanova Yu.A. 1
1 Murom Institute (Branch), A.G. and N.G. Stoletovs Vladimir State University; 2Departmental Hospital at the Murom Station,
OAO "RZhD"
Цель. Применение разработанного авторами алгоритма обработки маммограмм для выделения области кисты.
Материал и методы. При проведении исследований использовались методы цифровой обработки результатов маммографических снимков у женщин с различной патологией молочных желез, выявленных в маммографическом кабинете НУЗ «Отделенческая больница на станции Муром». Учитывая частоту встречаемости и сложность выявления кист молочных желез, авторами был предложен специально ориентированный алгоритм выделения области кисты. Он позволил с большей степенью вероятности утверждать, что обнаруженные образования являются кистами ввиду характерного внутреннего строения, а также наружных контуров. Применение известных алгоритмов обработки снимков не дало желаемых результатов выявления округлого образования, так как они направлены на решение других задач.
Результаты. В ходе исследований обработано 27 маммограмм, из них в 12 случаях обнаружены кисты (диагноз подтвержден цитологически), процент выявления данного вида округлого образования молочных желез составил 80-90%.
Заключение. Использование предложенного алгоритма в практической работе рентгенолога позволит улучшить качество диагностики, особенно при скрининговом обследовании женщин, уменьшить количество дообследований с использованием дополнительных методов при выявлении округлого образования молочной железы.
Objective. To use the mammographic image processing algorithm developed by the authors in order to identify a cyst area.
Material and methods. The investigations used statistical methods for processing the mammographic films in women with different breast abnormalities, which were taken in the mammography room, Departmental Hospital at the Murom Station, OAO "RZhD", in the first half of 2012. Taking into account the incidence of breast cysts and difficulty in its detection, the authors proposed a specially oriented algorithm to identify a cyst area. It allowed one to assert with a higher degree of probability that the found tumors are cysts due to their typical inner structure and outer outlines. The application of the known algorithms for film processing failed to yield desirable results in the detection of round lumps as they were aimed at solving other tasks.
Results. During the investigation, 27 mammograms were processed, which showed 12 cysts cytologically diagnosed; the detection rate of this type of a round breast lump was 80-90%.
Conclusion. The use of this algorithm by a radiologist in his practice will be able to improve the quality of diagnosis particularly during screening tests for women and to reduce the number of pre-exami-nations using additional methods to identify a round breast lump.
Введение
Заболевания молочной железы (МЖ) находятся на первом месте по частоте в списке заболеваний женщины [1, 2]. Одним из самых распространенных добро-
качественных заболеваний является киста молочной железы [3].
Киста молочной железы — доброкачественное образование, представляющее полость, выполненную содержимым. Содержимым
Ключевые слова: маммограмма, киста, предварительная обработка, гистограммные преобразования, средний контраст, текстурная сегментация, выделение области новообразования, выделение контуров Index terms: mammogram, cyst, preprocessing, histogram transformations, moderate contrast, texture segmentation, identification of a neoplasm area, identification of outlines
кисты молочной железы, как правило, является плазма крови, реже — гной.
Один из методов диагностики новообразований - обзорная маммография. На маммограмме киста дает однородную тень, по плотности сходную с железистой тканью молочной железы, округлой или овальной формы, с четкими, ровными контурами. На маммографическом снимке вокруг кисты в большинстве случаев образуется частичный или полный ободок просветления [4, 5].
Материал и методы
В последнее время увеличилось количество случаев диагностики рака молочной железы в кисте, что также свидетельствует о важности выявления кисты, особенно потому, что на маммографическом снимке она трудноразличима. Для решения этой задачи следует использовать современные методы обработки и анализа изображений, а также средства информационных технологий.
За первое полугодие 2012 г. в маммографическом кабинете Отделенческой больницы на станции Муром были обследованы 727 женщин. Структура заболеваемости представлена в таблице 1.
Анализ заболеваемости за 2011-2012 гг. показывает небольшое увеличение количества доброкачественных новообразований. В некоторой степени этому способствует улучшение диагностики при помощи применяемой цифровой обработки аналоговых маммограмм.
Повторно проанализированы 231 маммограмма с признаками мастопатии. Из них выделены 133 случая ФКБ с преобладанием фиброза, 72 случая ФКБ смешанного характера, 24 случая ФКБ с преобладанием кистозно-го компонента, 2 случая узловой мастопатии. Результаты сведены в таблицу 2.
ФКБ с преобладанием фиброзного компонента наблюдалась преимущественно у женщин
Таблица 1
Структура заболеваемости в г. Муром
Нозологическая форма Количество случаев Процентное отношение Относительные показатели 2011 г.
Нормальная Rg-логическая
картина 231 31,7 27,7
ФКБ различной степени
выраженности 366 50,3 52,06
Доброкачественные
образования 85 11,7 10,63
Злокачественные образования 26 3,57 3,4
Узловая мастопатия 15 2,06 5,57
Прочие 4 0,55 0,44
Примечание. ФКБ - фиброзно-кистозная болезнь. Структура заболеваемости ФКБ (n = 231) Таблица 2
Нозологическая форма Количество наблюдений
абс. %
ФКБ с преобладанием фиброзного компонента 133 57,5
ФКБ смешанного характера 72 31,2
ФКБ с преобладанием кистозного компонента 24 10,3
Узловая мастопатия 2 0,87
старше 50 лет (81,2 %), у пациенток 40-50 лет частота ФКБ составила 16,4%, младше 40 лет - 2,4 %.
Пациентки, у которых диагностирована ФКБ смешанного характера, распределились по возрасту следующим образом:
- старше 50 лет - 36,3 %;
- от 50 до 40 лет - 52,5%;
- младше 40 лет - 10,2%.
ФКБ с преобладанием кис-
тозного компонента наблюдалась в основном (до 85%) у женщин младше 40 лет, остальные случаи (15%) выявлены у женщин от 40 до 50 лет с гиперэстрогенным состоянием.
Особенностью рентгенологической картины маммограмм женщин репродуктивного возраста является высокая плотность ткани молочных желез.
Отдельно выделены единичные округлые образования на фоне фиброзно-жировой инволюции, ФКБ с преобладанием фиброза, расцененные рентгенологами как кисты молочной железы. Интерпретация подобных образований всегда вызывает определенные трудности в плане онконастороженности. Поэтому важными задачами являются выделение округлых образований
на маммограмме и их цифровая обработка с целью получения более точных результатов диагностики на поликлиническом этапе обследования пациента. Для решения этих задач аналоговые маммограммы оцифровывались на сканере высокого разрешения Epson Perfection V750 Photo и к полученному изображению применялся алгоритм выделения области кисты.
Алгоритм выделения области кисты на маммограмме. Основная сложность, возникающая при выделении области кисты и автоматической обработке изображения, связана с большой зашумленностью снимка. Поэтому использование напрямую широко известных алгоритмов выделения областей на изображениях (сегментация) не дает желаемых результатов.
Авторами был разработан алгоритм выделения области кисты [6]. На данном этапе работы аналоговые маммограммы вначале визуально оцениваются рентгенологом, затем проходят автоматическую обработку с помощью предложенного алгоритма, а потом полученные результаты сравниваются между собой.
1. Исходный маммографический снимок
2. Блок гистограммных преобразований снимка
3. Блок фильтрации маммограммы
4. Блок выделения области кисты на маммограмме
5. Блок выделения контуров на маммограмме
6. Блок определения
геометрических характеристик
Рис. 1. Общая блок-схема алгоритма выделения области кисты на мам-мограмме.
Общая блок-схема предлагаемого алгоритма отражена на рисунке 1.
Исследования показали, что известные алгоритмы гисто-граммного преобразования плохо работают на малоконтрастных снимках, каковыми являются маммограммы, поскольку они в основном оперируют максимальными и минимальными значениями яркости. Мы предлагаем использовать в гистограммном преобразовании так называемый средний контраст снимка.
Результаты
При проведении исследования были поставлены следующие задачи:
1) сравнительный анализ предлагаемого и известных алгоритмов гистограммного преобразования изображений;
2) определение возможностей формирования алгоритма выделения области кисты.
На рисунке 2 представлены два исходных малоконтрастных изображения кисты на маммо-грамме.
При анализе первого снимка (см. рисунок 2, а) врачом-рентгенологом очаговое образование зрительно не визуализируется.
Рис. 2. Исходные изображения кисты (а, б) на маммограмме.
Рис. 3. Результаты применения линейного метода преобразования исходных гистограмм: а - для рис. 2, а; б - для рис. 2, б.
На втором снимке (см. рисунок
2, б) выявлено округлое образование с четкими неровными контурами, однородное, средней плотности.
При преобразовании гистограмм этих изображений с помощью линейного метода[7] получаем изображения, представленные на рисунке 3. Видно, что существенных изменений снимков и их характеристик не произошло.
При цифровом преобразовании первого снимка (см. рисунок
3, а) определяется образование неправильной формы, с четкими, неровными контурами и структурой, схожей с окружающими тканями. При обработке второго снимка (см. рисунок 3, б) определяется округлое образование зернистой структуры, с четкими, ровными контурами, отделенное от окружающих тканей полоской просветления.
Контрастность снимков практически не изменилась. Увеличи-
лось значение энтропии, что показывает увеличение неравномерности распределения яркост-ных характеристик изображения. Следовательно, можно сказать, что применение стандартных алгоритмов преобразования гистограмм изображений не подходит для данного вида снимков.
На рисунке 4 показаны результаты обработки исходных снимков с помощью предложенного алгоритма гистограммного преобразования на основе среднего коэффициента контрастности. Существенно изменилось значение энтропии, что характеризует уменьшение неравномерности распределения яркости изображения.
При преобразовании первого снимка (см. рисунок 4, а) определяется овальной формы образование, однородной структуры, высокой плотности, с четкими контурами, интимно связанное с протоком молочной железы.
Наиболее вероятен диагноз внут-рипротоковой кисты молочной железы. При анализе второго снимка (см. рисунок 4, б) выявлено округлое образование высокой плотности, однородной структуры, частично визуализируются стенки новообразования, контур четкий. При оценке снимка вероятность диагноза «киста молочной железы» - 85%.
Предложенный авторами алгоритм обработки маммограмм позволяет увеличить вероятность выявления кисты молочной железы. Однако при увеличении очагового образования в динамике, изменении клинической симптоматики и структуры образования на маммограм-мах возникает необходимость гистологической верификации образования, так как имеются случаи рака молочной железы, выявляемого на маммограммах как округлое новообразование с четкими контурами. За время наших исследований подобного клинического наблюдения не было.
С помощью предложенного и известных гистограммных преобразований обработаны более 50 маммографических снимков с областью кисты. Известные ги-стограммные преобразования (линейный метод, экспоненциальное распределение и распределение Рэлея) не дали удовлетворительных результатов, в то время как предложенные гисто-граммные преобразования на основе среднего коэффициента контрастности дали во всех случаях удовлетворившие врачей-рентгенологов результаты.
При обработке с помощью предложенного алгоритма мам-мограмм с рентгенологической картиной жировой инволюции МЖ (8 снимков), МЖ смешанного строения (12 снимков), МЖ с преобладанием железистого компонента (5 снимков) области с очаговыми образованиями не выделялись.
Дальнейшие исследования были связаны с локализацией области кисты.
Рис. 4. Результаты применения предложенного алгоритма преобразования исходных гистограмм: а - для рис. 2, а; б - для рис. 2, б.
Рис. 5. Результаты медианной фильтрации изображения: а - для рис. 4, а; б - для рис. 4, б.
Рис. 6. Наложение контура на изображения: а - для рис. 5, а; б - для рис. 5, б.
На рисунке 5 приведены результаты медианной фильтрации изображений, к которым были применены предложенные гисто-граммные преобразования.
После предварительной обработки маммографических снимков выполняется текстурная сегментация для дальнейшего выделения контуров новообразований.
На рисунке 6 представлены результаты наложения контуров на исходные маммограммы, полученных после текстурной сегментации маммограмм.
Наложение контура на снимок позволяет более точно оценить форму и размер образования, связь новообразования с сосудистым компонентом, прото-
Рис. 7. Исходная маммограмма (а) и результаты ее обработки: б - исходная область интереса; в - предложенное гис-тограммное преобразование; г - медианная фильтрация области интереса; д - выделение контуров.
ками молочной железы (если таковая имеется).
При анализе данных снимков было отмечено следующее: четкие контуры, повторяющие контурное образование, размер образования несколько меньше видимого глазом, имеется интимная связь образования с протоком молочной железы (см. рис. 6, а).
Обсуждение
На рисунке 7 представлены результаты обработки достаточно сложного для визуального анализа снимка молочной железы.
При оценке данной рентгенограммы консилиумом врачей-рентгенологов возникли определенные сложности, так как при отсутствии жалоб со стороны пациентки на фоне жировой инволюции молочной железы выявлено очаговое образование неправильно округлой формы, с нечеткими контурами. Принимая во внимание возраст пациентки (65 лет) и рентгенологическую картину, врачи-рентгенологи подозревали наличие
Заключение
Результаты исследований маммографических снимков с областью кисты показали следующее:
- различие в яркости и контрастности большинства маммографических снимков затрудняет визуальное выявление новообразований;
- известные алгоритмы предварительной обработки изображений не дают удовлетворительных результатов обработки малоконтрастных маммографических снимков;
- предложенный алгоритм преобразования гистограммы маммографического снимка на основе среднего коэффициента контраста обеспечивает улучшение характеристик малоконтрастных изображений, так как дает возможность распределить яркость по всему диапазону, уменьшая тем самым энтропию изображения, что, в свою очередь, позволяет с большей уверенностью говорить о характере новообразования;
- совокупность предложенного гистограммного преобразования,
злокачественного новообразования молочной железы. При цифровой обработке рентгенограммы с использованием предложенного метода с наложением и без наложения контура определяются два идентичных округлых однородных образования с четкими, ровными контурами, диаметром 7 и 4 мм, одно из которых связано с протоком молочной железы (проток в ортогональном срезе). Дано заключение: «Кисты молочной железы». Женщина взята под амбулаторное наблюдение. Таким образом, удалось избежать дополнительного обследования (УЗИ) и биопсии молочной железы.
Всего при помощи предложенного алгоритма обработано 27 маммографических снимков с различными очаговыми образованиями, диагноз которых подтвержден по результатам УЗИ и пункционной биопсии. Из них кист молочной железы было 12, фиброаденом - 9, злокачественных новообразований - 4, участков фиброза - 2.
медианной фильтрации, текстурной сегментации представляет собой алгоритм выделения области кисты на малоконтрастных маммографических снимках, который отвечает достаточно жестким требованиям врачей-рентгенологов по локализации области очагового образования;
- применение предложенного алгоритма выделения кист молочных желез в практической деятельности маммографического кабинета показало его эффективность в плане интерпретации очаговых образований молочных желез, в том числе плохо различимых на маммограммах;
- при сравнении снимков, обработанных при помощи предложенного алгоритма, у пациенток с гистологически подтвержденными результатами биопсии новообразований выявлены характерные признаки кисты молочной железы в виде округлого, однородного образования с четкими контурами, связанного с протоком молочной железы;
- при сравнительной оценке маммограмм врачом-рентгенологом визуально и при обработке предложенным алгоритмом лож-ноположительных результатов выделения области очаговых образований не получено;
- в настоящее время ведутся работы по дифференцировке выделенных областей очаговых образований.
Литература
1. Садыков С.С., Буланова Ю.А., Захарова Е.А. Диалоговая система анализа маммографических снимков // Алгоритмы, методы и системы обработки данных. - 2012. - Вып. 1 (19).
2. Социально значимые заболевания населения России в 2010 году (Статистические материалы). - М.: Департамент организации медицинской профилактики, медицинской помощи и развития здравоохранения ФГУ «Центральный научно-исследовательский институт организации и информатизации здравоохранения и Росздрава», 2011. - 66 с.
3. Захарова Е.А., Буланова Ю.А. Обзор медицинской системы КМИС и формирование статистики заболеваемости молочных желез // Алгоритмы, методы и системы обработки данных. - 2012. -Вып. 1 (19).
4. Заболевания молочных желез: кисты молочной железы, выделения из соска. URL: http:// www.
protectmed.ru/zabolevaniya-molochnyix-zhelez.
5. Корженкова Г.П. Комплексная рентгено-сонографическая диагностика заболеваний молочной железы. - 1-е изд. -М.: Фирма СТРОМ, 2004. -128 с.
6. Садыков С.С., Захарова Е.А., Буланова Ю.А. Технология выделения кисты на маммограм-ме//Вестник РГРТУ. - 2013. -№ 1, Вып. 43. - С. 7-11.
7. Sankar P.R., Srinivasa Rao B.K.N. Parallel architecture for implementation of contrast limited adaptive histogram equalization // Int. J. Adv. Eng. Sci. Technol. - Vol. 10, № 1. -P. 47-51.
8. Rajesh Kumar Rai, Puran Gour, Balvant Singh. Underwater image segmentation using CLAHE enhancement and thresholding // Int. J. Emerg. Technol. Adv. Eng. - 2012. - Vol. 2, № 1. -P. 118-123.
9. Прэтт У. Цифровая обработка изображений: Пер. с англ. В 2 т. - М.: Мир, 1982.
10. Watersnakes: Energy-driven watershed segmentation / Nguyen et al. // IEEE Transactions on Pattern Analysis аnd Machine Intelligence. - 2003. - Vol. 25, № 3. - P. 330-342.
Поступила 22.12.2012
