Original paperModelli di lesioni al seno basati su immagini tridimensionali del seno a raggi X

Questo articolo presenta un metodo per la creazione di modelli computazionali di lesioni al seno con forme irregolari da immagini Digital Breast Tomosynthesis (DBT) di pazienti o cadaveri del seno e immagini di Tomografia Computerizzata (CT) del corpo intero. L’approccio include sei passi fondamentali: (a) normalizzazione dell’intensità delle immagini tomografiche; (b) riduzione del rumore dell’immagine; (c) binarizzazione dell’area della lesione, (d) applicazione di operazioni morfologiche per diminuire ulteriormente il livello di artefatti; (e) applicazione di una tecnica di region growing per segmentare la lesione; e (f) creazione di un modello 3D finale della lesione. L’algoritmo è semi-automatico poiché la selezione iniziale della regione della lesione e i semi per l’accrescimento della regione sono fatti interattivamente. Uno strumento software, che esegue tutti i passi richiesti, è stato sviluppato in MATLAB. Il metodo è stato testato e valutato analizzando set anonimizzati di immagini di pazienti DBT con diagnosi di lesioni. Radiologi esperti hanno valutato la segmentazione dei tumori nelle fette e le forme delle lesioni 3D ottenute. Hanno concluso per una delineazione abbastanza soddisfacente delle lesioni. Inoltre, per tre casi di DBT, una delineazione dei tumori è stata eseguita indipendentemente dai radiologi. In tutti i casi, i volumi delle anomalie segmentati dall’algoritmo proposto erano più piccoli di quelli delineati dagli esperti. I coefficienti di similarità Dice calcolati per algoritmo-radiologo e radiologo-radiologo hanno mostrato valori simili. Un altro caso di tumore selezionato è stato introdotto in un modello computazionale del seno per valutare ricorsivamente l’algoritmo. La differenza di volume relativa tra il volume del tumore ground-truth e quello ottenuto applicando l’algoritmo sul volume sintetico dallo studio DBT virtuale è del 5%, il che dimostra la performance soddisfacente dell’algoritmo di segmentazione proposto. Lo strumento software che abbiamo sviluppato è stato utilizzato per creare modelli di diverse anomalie del seno, che sono stati poi memorizzati in un database per essere utilizzati dai ricercatori che lavorano in questo campo.