Original paperModels of breast lesions based on three-dimensional X-ray breast images

In dieser Arbeit wird eine Methode zur Erstellung von Computermodellen von Brustläsionen mit unregelmäßigen Formen aus digitalen Brusttomosynthesebildern (DBT) von Patientinnen oder Brustkadavern und Ganzkörper-Computertomographie (CT)-Bildern vorgestellt. Der Ansatz umfasst sechs grundlegende Schritte: (a) Normalisierung der Intensität der tomografischen Bilder; (b) Verringerung des Bildrauschens; (c) Binarisierung des Läsionsbereichs; (d) Anwendung morphologischer Operationen zur weiteren Verringerung der Artefakte; (e) Anwendung einer Region-Growing-Technik zur Segmentierung der Läsion; und (f) Erstellung eines endgültigen 3D-Läsionsmodells. Der Algorithmus ist halbautomatisch, da die anfängliche Auswahl der Läsionsregion und die Seeds für das Regionswachstum interaktiv vorgenommen werden. Ein Software-Tool, das alle erforderlichen Schritte durchführt, wurde in MATLAB entwickelt. Die Methode wurde durch die Analyse anonymisierter Sätze von DBT-Patientenbildern mit diagnostizierten Läsionen getestet und bewertet. Erfahrene Radiologen bewerteten die Segmentierung der Tumore in den Schichten und die erhaltenen 3D-Läsionsformen. Sie kamen zu dem Schluss, dass die Läsionen recht zufriedenstellend abgegrenzt wurden. Zusätzlich wurde bei drei DBT-Fällen die Abgrenzung der Tumoren von den Radiologen unabhängig vorgenommen. In allen Fällen waren die mit dem vorgeschlagenen Algorithmus segmentierten Abnormitätsvolumina kleiner als die von den Experten skizzierten. Die berechneten Dice-Ähnlichkeitskoeffizienten für Algorithmus-Radiologe und Radiologe-Radiologe zeigten ähnliche Werte. Ein weiterer ausgewählter Tumorfall wurde in ein rechnerisches Brustmodell eingeführt, um den Algorithmus rekursiv zu bewerten. Die relative Volumendifferenz zwischen dem echten Tumorvolumen und dem Volumen, das durch Anwendung des Algorithmus auf das synthetische Volumen der virtuellen DBT-Studie erhalten wurde, beträgt 5 %, was die zufriedenstellende Leistung des vorgeschlagenen Segmentierungsalgorithmus belegt. Das von uns entwickelte Software-Tool wurde zur Erstellung von Modellen verschiedener Brustanomalien verwendet, die dann in einer Datenbank gespeichert wurden, die von Forschern, die auf diesem Gebiet arbeiten, verwendet werden kann.