l’enhancement di immagini mammografiche applicazioni
TRANSCRIPT
L’ENHANCEMENT DI IMMAGINI MAMMOGRAFICHE
Applicazioni
Caratteristiche dell’immagine mammografica
4624 x 2960
512 x 512
12-16 bpp
Risoluzione: 42-50 m
Masse e microcalcificazioni
Microcalcificazioni:
Masse:
Il sistema CADx
Mammografia
selezione della regione di interesse
(ROI)
…
Estrazione delle caratteristiche
Forma(2D)
Classificatore
Indice di malignità
Texture(3D)
Segmentazione
Denoising eenhancement
Caratteristiche delle masse
Strutture rotondeggiantiLuminosità crescente verso il centro
Enhancement per le masse
Caratteristiche delle microcalcificazioni
PROBLEMI
• Piccole dimensioni
• Rumore presente nell’immagine
• Luminosità
OBIETTIVI
• Estrarre strutture di piccole dimensioni
• Distinguere queste strutture dal rumore presente nell’immagine
Cosa succede senza una fase di denoising
wlt d1enh pw (mod grad)t=0.2G=10D=3
wlt d1enh pw (mod grad)t=0.2G=10D=3
Caratteristiche del rumore
Il processo di formazione dell’immagine determina la natura dei fenomeni rumorosi:
• Fluttuazione del numero di fotoni in arrivo (rumore di Poisson dipendente dal segnale)
• Scattering fotonico (eliminabile)
• Rumore elettronico (gaussiano indipendente dal segnale)
Stima del rumore
Filtro Passa-Basso
Edge detector Soglia
Negative
Negative
Signal DependentNoise Variance
Estimation
Waveletdenoising
RobustMedian
estimator
Original Image
Caratteristiche del rumore stimato
Processamento Wavelet – schema generale
2)
Elaborazione dei coefficienti
E(x)
W
1)
Decomposizione
Immagine
W-1
3)
Ricostruzione
Immagine elaborata
Decomposizione
GI(v) GII(v)
GI(h) GII(h)
H(v) H(h)
GI(2v) GII(2v)
GI(2h) GII(2h)
dI{v,1}
dI{h,1}
a1
dI{v,2}
dI{h,2}
dII{v,1}
dII{h,1}
dII{v,2}
dII{h,2}
H(2v)H(2)
a2
Ricostruzione
dI I{v,1}
dI I{h,1}
dI I{v,2}
dI I{h,2}
a2
K(v) L(h)
L(v) K(h)
H(v) H(h)
+
K(2v) L(2h)
L(2v) K(2h)
H(2v)H(2h)
+
Esempio
50 100 150 200 250 300 350-1
0
1Gradiente
50 100 150 200 250 300 350-0.5
0
0.5
50 100 150 200 250 300 350-0.5
0
0.5
50 100 150 200 250 300 350-0.5
0
0.5
50 100 150 200 250 300 350-0.5
0
0.5Laplaciano
50 100 150 200 250 300 350-0.5
0
0.5
50 100 150 200 250 300 350-0.5
0
0.5
50 100 150 200 250 300 350-0.5
0
0.5
1
2
3
4
WaveletDecomposition
First Gradient D=3
Ivd 1,
Ihd 1,
Ivd 2,
Ihd 2,
Ivd 3,
Ihd 3,
3a
WaveletReconstruction
D=3
Denoising
WaveletDecomposition
Second Gradient D=3
Enhancement
WaveletReconstruction
D=3
03 a
IIvd 1,
IIhd 1,
IIvd 2,
IIhd 2,
IIvd 3,
IIhd 3,
Enhancedforeground
background
Schema specifico a doppia
ricostruzione
Elaborazione dei coefficienti per il denoising
-10 -8 -6 -4 -2 0 2 4 6 8 10-10
-8
-6
-4
-2
0
2
4
6
8
10funzione s oglia ne tta (hard thre s holding)
-10 -8 -6 -4 -2 0 2 4 6 8 10-10
-8
-6
-4
-2
0
2
4
6
8
10funzione s oglia dolce (s oft thre s holding)Funzione soglia netta (hard thresholding) Funzione soglia dolce (soft thresholding)
Elaborazione dei coefficienti per l’enhancement
G
Th
Risultati per le microcalcificazioniori
gin
al
een
han
ced
masc
her
a
Valutazione di un algoritmo di enhancement
Il CII è dato dal rapporto tra il contrasto di una ROI nel mammogramma elaborato ed il contrasto della ROI nel mammogramma originale:
Il contrasto C di una regione è definito come:
in cui f e b sono rispettivamente i valori medi dei livelli di grigio di un particolare oggetto nella ROI (il foreground) e del suo sfondo (il background). Questa definizione di contrasto ha il vantaggio di essere indipendente dal range dei livelli di grigio dell’immagine.
LA CLASSIFICAZIONE DI SEGNI TUMORALINELLE IMMAGINI MAMMOGRAFICHE
Applicazioni
Microcalcificazioniori
gin
al
een
han
ced
masc
her
a
Masse tumoraliori
gin
al
em
asc
her
a
en
han
ced
Imm
ag
ine c
on
co
nto
rno
Microcalcificazioni: benigne e maligne
C0239
1.LEFT
MLO
A1280
1.LEFT
CC
BENIGNE
MALIGNE
A1469
1.LEFT
CC
A1220
1.RIGHT
CC
Masse: benigne e maligne
BENIGNE
MALIGNE
Estrazione dei parametri
L’operazione di scelta dei parametri per la classificazione è estremamente difficile a causa della grande variabilità di:
Dimensione, forma, distribuzione e colore delle microcalcificazioni e del cluster
Dimensione, forma, distribuzione e colore delle masse tumorali.
La scelta dei parametri può ovviamente influenzare ed eventualmente alterare la fase di classificazione. Questa fase verrà infatti valutata in termini di due parametri: sensitivity e specificity.
Sensitivity and Specificity
Un a regione segmentata è detta positiva se patologica o negativa se normale.
Un algoritmo decisionale dice il vero se la decisione è corretta e dice il falso se la decisione è sbagliata.
Un algoritmo che identifica oggetti o regioni (segmenta) potrà dare Ii seguenti risultati: vero positivo (TP) , vero negativo, (TN), falso positivo (FP), e falso negativo (FN). FN e FP sono due tipi di errori.
Un FP significa che qualcosa di normale è stato segnalato come patologico.
Un FN significa che una anomalia è stata segnalata come normale.
Sensitivity (sinonimo di TP) e Specificity (sinonimo di TN) sono definite come
Sensitivity=TPs/(TPs+FNs) specificity=TNs/(TNs+FPs).
Parametri di forma
Caratteristiche geometriche Singola microcalcificazione • Standard deviation of Area:
where Ak is the area (number of pixels) of kth microcalcification, A is the mean area, N is the number of microcalcifications in the cluster.
• Mean perimeter of microcalcifications p.
• Total area evaluated by the sum of the pixels representing the microcalcifications.
• Mean eccentricity. Values close to 1 means high circularity of the microcalcifications, whereas values close to 0 denote lengthened shape of microcalcifications.
• Mean circularity evaluated as where A and p are defined above.
2
1
1( )
1
N
kk
A AN
2
4 AC
p
Parametri di forma
Caratteristiche geometriche
• Microcalcifications cluster features
• Standard deviation of mutual distances.
• Cluster perimeter, where the cluster is represented by the convex hull as shown in figure
• Approximative cluster area evaluated by the area of the convex hull.
Parametri di texture
Texture Features Haralick: Second angular moment, contrast, correlation, variance, inverse differential moment, sum of mean values, sum of variances, sum of entropy, entropy, differential variance, differential entropy, correlation measure information, maximum correlation coefficient Caratteristiche basate sull’istogramma
Mean intensity value of microcalcifications .
Skew function that measures the asymmetry of the histogram of microcalcifications.
Mean intensity value of the boundary of the microcalcifications .
Difference:
Contrast:
I
bI
bI I
( ) /( )b bI I I I
Parametri di texture
020
4060
020
4060
0.7
0.75
0.8
0.85
0.9
0.95
1
1.05
0
5
10
15
20
25
30
35
40
0.7 0.75 0.8 0.85 0.9 0.95 1
(a) (b)
Scelta delle caratteristiche
Caratteristiche discriminanti
0 5 10 15 20 25 30 35 40 450
200
400
600
800
1000
1200
1400
Minimum distances of microcalcifications
Clu
ster
per
imet
er
Benign
Malignant
0 200 400 600 800 1000 1200 1400 16000
20
40
60
80
100
120
140
Microcalcifications total area
Stan
dard
dev
iatio
n of
are
a
Benign
Malignant
10 15 20 25 30 35 40 45 50 550
50
100
150
200
250
300
Mean perimeter
Mea
n m
utua
l dis
tanc
es
10 15 20 25 30 35 40 45 50 550
20
40
60
80
100
120
140
Mean perimeter
Sta
ndar
d de
viat
ion
of a
reas
Benign
Malignant
(a) (b)
(c) (d)
Scelta delle caratteristiche
Caratteristiche non discriminanti0 5 10 15 20 25 30 35 40 450
200
400
600
800
1000
1200
1400
Minimum distances of microcalcifications
Clu
ster
per
imet
er
Benign
Malignant
0 200 400 600 800 1000 1200 1400 16000
20
40
60
80
100
120
140
Microcalcifications total area
Sta
ndar
d de
viat
ion
of a
rea
Benign
Malignant
10 15 20 25 30 35 40 45 50 550
50
100
150
200
250
300
Mean perimeter
Mea
n m
utua
l dis
tanc
es
10 15 20 25 30 35 40 45 50 550
20
40
60
80
100
120
140
Mean perimeter
Sta
ndar
d de
viat
ion
of a
reas
Benign
Malignant
(a) (b)
(c) (d)
Estrazione dei parametri: masse
Caratteristiche geometriche
Caratteristiche di texture (luminanza interna)
Caratteristiche di forma
Area e perimetro
Statistica del raggio
Circolarità
Rettangolarità
Eccentricità
Entropia
Zero crossing
Boundary roughness
Raggi
CentroGeometrico
Bounding Box
Area
Geometric center
Circle withmean radial
length
Radiallengths
Zero Crossing
Shape Features
Geometric center
Circle withmean radial
length
Radiallengths
Zero Crossing
Shape Features
Caratteristiche di struttura
Secondo momento angolareContrasto
Correlazione
Varianza
Momento differenziale inversoSomma di media, varianza, entropia
Varianza ed entropia differenzialiMisura della correlazione
Massimo coefficiente di correlazione
Caratteristiche di Haralick:
Scelta delle caratteristiche
Istogramma sovrappostoIstogramma non sovrapposto
Circolarità
Raggio normalizzato
Entropia
Caratteristiche scelte:
Sviluppi:
Selezione del set minimo di parametri: PCA ? Metodi Black Box
Scelta del classificatore:
I valori delle variabili sono espressi con parole del linguaggio comune
Il radiologo può capire il sistema ed interagire con esso
Reti neurali Black box Non c’è possibilità di interazione
Sistemi Fuzzy
Metodi diretti In fase iniziale Poche informazioni a priori