DETECCIÓN N DE LESIONES EN MAMOGRAFÍAS AS EN EL DIAGNÓSTICO PRECOZ DE CANCER DE MAMA Introducción Aplicación n clínica de un sistema CAD y Procesado de Señal en la Imagen de Mamografía Dra. Gloria Bueno, E.T.S.I. Industriales, Universidad de Castilla-La Mancha. -Epidemiología -Anatomía mama INTRODUCCIÓN INTRODUCCIÓN Primera causa de muerte por cáncer en la mujer Año 2000: incidencia España 48/100000---Mundial 36/100000 mortalidad España 18/100000---Mundial 12/100000 La mamografía es la prueba inicial para la detección y diagnóstico del cáncer de mama. Dos tipos: Factores de riesgo: -hormonas -nuliparidad o 1ª gestación tardía -exposición altas dosis radiación -patología mamaria alto riesgo -Envejecimiento y antecedentes familiares (5-10% BRCA1 y BRCA2) Detección temprana: pronóstico (tamaño tumoral, grado histológico y afectación ganglionar), tratamiento y calidad de vida. -Mamografía de screening o cribado: mujeres asintomáticas grupo de edad (50-65 años) detectar PDPCM -Mamografía diagnóstica: mujeres sintomáticas cualquier edad diagnosticar y caracterizar Unidades diagnósticas INTRODUCCIÓN INTRODUCCIÓN Anatomía Anatomía
INTRODUCCIÓN INTRODUCCIÓN Anatomía Anatomía BI-RADS RADS LEXICO Descriptores de lesiones mamográficas Sistemas ACR (Colegio Americano de Radiología) Cuatro ediciones (1992,1995,1998 y 2003) Es un léxico común universalmente aceptado por los especialistas dedicados a la patología mamaria con el fin de reducir la confusión en la interpretación mamográfica y facilitar la monitorización de los resultados. A MASAS / NODULOS C DISTORSIÓN ARQUITECTURAL D CASOS ESPECIALES E HALLAZGOS ASOCIADOS F LOCALIZACIÓN G COMPOSICIÓN GLANDULAR A MASAS / NODULOS A MASAS / NODULOS FORMA CONTORNO DENSIDAD FORMA CONTORNO DENSIDAD I R O L X D M O S
A MASAS / NODULOS FORMA CONTORNO DENSIDAD MORFOLOGIA DISTRIBUCIÓN TÍPICAMENTE BENIGNAS SOSPECHA INTERMEDIA ALTA SOSPECHA + = - MORFOLOGIA DISTRIBUCIÓN MORFOLOGIA DISTRIBUCIÓN Cutáneas Vasculares Céls Plasmáticas Centro lucente Suturas TÍPICAMENTE BENIGNAS TÍPICAMENTE BENIGNAS Distróficas XXIII Edición Groseras Cursos de Verano de Laredo. Universidad de Cantabria Redondeadas/Punteadas XXIII Cáscara Edición Cursos de huevo de Verano de Laredo. Universidad de Cantabria MORFOLOGIA DISTRIBUCIÓN MORFOLOGIA DISTRIBUCIÓN Heterogéneas groseras SOSPECHA INTERMEDIA Amorfas indistintas Finas pleomórficas ALTA SOSPECHA Finas lineales/ramificadas
C DISTORSIÓN ARQUITECTURAL MORFOLOGIA DISTRIBUCIÓN Regional Lineal Difusa Segmentaria Agrupada G COMPOSICIÓN GLANDULAR CATEGORIAS RECOMENDACIÓN Categoría 0 Estudios adicionales y/o comparar previos Categoría 1 Controles rutinarios GRASA DENSIDAD MEDIA Categoría 2 Categoría 3 Controles rutinarios Seguimiento en 6 meses Categoría 4 (4A,4B, 4C) Biopsia Categoría 5 Biopsia Categoría 6 Valoración de otras lesiones en mamografía con cáncer confirmado. XXIII Edición HETEROGENEA Cursos de Verano de Laredo. Universidad de Cantabria DENSA SISTEMAS CAD Sistemas CAD Sistemas CAD detectar lesiones mamográficas de sospecha que pueden ser o no identificadas por el radiólogo. Dos tipos: Computer-Aided-Detection- detecta. CRIBADO Computed-Aided-Diagnosis- diferenciar y caracterizar. DIAGNÓSTICO Modelos: -icad-cadx Second Look -R2 Image Checker -sistemas no comercializados Massmarks Calcmarks Figura 1. icad-cadx Second Look
SISTEMAS CAD SISTEMAS CAD Reproducibilidad congruencia de resultados en el caso de repetir un test -VP> FP Zheng y cols Eficacia de un sistema CAD depende: Radiólogo Sistema usado 1-alta reproducibilidad (fiabilidad) 2-alta sensibilidad en la detección 3-baja proporción de falsos positivos -La variabilidad depende del número de análisis realizados Baker y cols (52% masas y 76%mcc); Zheng y cols (78.8%masas y 93,5% mcc). -Proceso de digitalización pequeños cambios de posición en la placa Taylor y cols Proceso de digitalización SISTEMAS CAD SISTEMAS CAD Mamografía sobre placa Mamografía digital DIGITAL Digital Input: placa Output: Mammagraph Input: Mamografia Digital Output: información deimage & CAD- al PACS FFDM Workstation Printer Archive SISTEMAS CAD SISTEMAS CAD Ventajas en mamografía digital campo completo (Baum y cols) -No digitalización---no ruido -la adquisición de la imagen es inmediata---ahorro en tiempo de lectura -Sensibilidad: 89% microcalcificaciones y 81% masas Detección de estos sistemas del 75% de los cánceres no detectados por el radiólogo (Warren y cols) Puede incrementar la detección de cáncer en estadíos más tempranos sin incrementar el número de rellamadas y el VPP para biopsia (Freer y Ulissey y cols) Puede ayudar al radiólogo inexperto mejorando la sensibilidad (Balleyguier y cols) La lectura de radiólogo y CAD aumenta la sensibilidad 21%.Mejora a la lectura simple y es igual (Ciatto y cols) o mejora a la doble (Jiang y cols) Sensibilidad microcalcificaciones 86-99%; masas 75-90%;
SISTEMAS CAD A Cáncer de mama Detectable B Cánceres detectados por el radiólogo C Cánceres detectados por Sistemas CAD 21855mx PDPCM La Rioja Septiembre 2003-2005 Doble proyección Proceso de digitalización PARÁMETROS -Falsos Positivos CAD -Falsos Negativos CAD y radiólogo -Cambio de actitud -Número de marcas/estudio -Número de marcas/placa Mammagraph
FALSO POSITIVO CAD La marca del CAD no es considerada significativa por el radiólogo FALSO NEGATIVO CAD El CAD no marca lesiones que son consideradas significativas por el radiólogo MAMMAGRAPH CA FP FN MAMMAGRAPH CA FP FN ESTUDIOS COMPLEMENTARIOS RETORNO AL PDP Resultados -111 cánceres en 96 mujeres. Tasa de detección de 4,4 1; 1% CAMBIO DE ACTITUD El CAD marca una imagen que no haya sido identificada (o interpretada como benigna) y que suponga un cambio en la decisión inicial del radiólogo. MAMMAGRAPH CA FP FN 3; 3% 107; 96% DETECCIÓN RADIÓLOGO 96% VP Radiólogo FN Radiólogo Cambio Actitud Resultados -111 cánceres en 96 mujeres. Tasa de detección de 4,4 20; 18% 4 14,4% HDA VP CAD FN CAD HDA 91; 82% CAMBIO DE ACTITUD El CAD marca una imagen que no haya sido identificada (o interpretada como benigna) y que suponga CDIS XXIII Edición Cursos de Verano un cambio de Laredo. en la decisión Universidad inicial del de radiólogo. Cantabria DETECCIÓN SISTEMA CAD (82%)
Falso Negativo sistema CAD FALSOS POSITIVOS DEL SISTEMA 4945; 22,6% si no 16910; 77,4% FALSO POSITIVO CAD La marca del CAD no es considerada significativa por el radiólogo FALSOS NEGATIVOS DEL SISTEMA 20971; 96% 884; 4% si no Número de marcas/estudio: 2,7 Número de marcas/placa:0,7 FALSO NEGATIVO CAD El CAD no marca lesiones que son consideradas significativas por el Radiólogo. LIMITACIONES Y MEJORAS DE ESTOS SISTEMAS SEGÚN NUESTRA EXPERIENCIA 1. Reducir la tasa de falsos positivos 2. La segunda lesión sigue siendo una limitación del CAD sin resolver 3. Mama densa y heterogénea 4. Distorsiones 5. Se necesitan sistemas que además de detectar caracterizen la lesión Procesado de Señal en la Imagen de Mamografía BENEFICIOS Pueden servir de apoyo al radiólogo con cierta experiencia en patología mamaria en la detección de lesiones pero en ningún caso sustituirlo. Estos sistemas requieren de un trabajo en equipo ( ingenieros, técnicos, radiólogos)
Procesado de Señal - Mamografía Necesidad de un Procesado Objetivo de la Señal Transformaciones matemáticas aplicadas a la imagen: Pre-procesado: Edición y Realce de la Imagen Procesado: Detección de Lesiones de Interés: Masas / Nódulos Problemas en la digitalización de las imágenes. Limitaciones de la Visión Humana. Problemas de subjetividad en la interpretación de la señal (ROIs imagen) intra/inter variabilidad. Microcalcificaciones Distorsiones Necesidad de Procesado Objetivo Necesidad de Procesado Objetivo Distorsión Óptica Limitaciones de la percepción humana: No contraste Necesidad de Procesado Objetivo Distorsión Óptica Necesidad de Procesado Objetivo Distorsión Óptica
Necesidad de Procesado Objetivo Distorsión Óptica Necesidad de Procesado Objetivo Limitaciones de la percepción humana: Falta de contraste Preprocesado Edición de Imagen Preprocesado Edición de Imagen a) Imagen original b) Región mamaria Extracción automática de la región mamaria evitar artefactos. XXIII Edición Selección Cursos de Verano y aumento de Laredo. de Universidad una región de Cantabria de interés Preprocesado Realce de la Imagen Preprocesado Realce de la Imagen a) Sección de una imagen de mamografía con tejido graso. b) Histograma. Sección de mamografía con tejido graso. c) Ecualización aplicada a la imagen previa. d) Histograma. Sección de mamografía con tejido denso. Realce del contrate por B-splines de 3º en el eje X y en el eje Y.
Procesado Detección por Clusterización Procesado Detección por Clusterización - Masas Clusterización aplicando lógica difusa generar una partición de los datos de la imagen, I(x, y) = {x1, x2,..., xn}, en c subconjuntos o clases. Asigna valores de pertenencia entre [0..1] de los datos de la imagen a las c clases, representadas por los píxeles = centroides: V = {v1, v2,.., vn}. El algoritmo encuentra los centroides óptimos y la pertenencia de los píxeles de la imagen a éstos mediante minimización del error cuadrático en función de la matriz de pertenencias U[u ik ]= u i (x k ) de x k a la clase i a) Imagen Original Tejido Graso b) Segmentación FCM con c=5 c) Umbralización c n m J (U, V : X) = ( u ik ) xk vi i= 1 k= 1 Procesado Detección por Clusterización - Masas Procesado Transformada Wavelets Análisis en frecuencias descompone una señal f(x) en funciones base (wavelets) = translaciones y dilataciones de la función wavelet madre, ψ. f ( x) = m= 0 n= 0 m C Ψ n ( ) m, n x a) Tejido Graso-Glandular b) Segmentación FCM con c=4 c) Umbralización Permite el estudio en multiresolución para diferentes bandas de frecuencias altas y bajas. En cada iteración cada banco de filtros es muestreado a la mitad de la frecuencia previa. En cada iteración la imagen original puede ser transformada en 4 sub-imágenes que contienen altas y bajas frecuencias así como sus combinaciones. Procesado Transformada Wavelets Procesado Transformada Wavelets - Distorsiones (a) (b) a) Imágenes originales a) Imagen original b) Sub-imagen LL c) Sub-imagen LH b) Transformada Wavelet DB20 con 3 iteraciones eliminando bajas frecuencias. d) Sub-imagen HL e) Sub-imagen HH f) Imagen reconstruida Sub-imágenes del proceso de 3 iteraciones con la transformada wavelet DB20 Aplicación del procesado en frecuencias a Distorsiones de 1 y 2 cm. de diámetro.
Procesado Análisis en Frecuencia - Microcalcificaciones (a) (b) (c) Procesado Filtro Adaptativo - Microcalcificaciones El filtro adaptativo hace uso de la discontinuidad que caracteriza los contornos de una ROI de la imagen. Busca así dichas discontinuidades por mínimos cuadrados, dentro de una vecindad definida por una máscara 2D, conocida como región soporte del filtro R[(m+1, n+1)]. La región soporte del filtro está formada por los errores de predicción hacia detrás y hacia delante. De forma que la estimación para una señal x(ni, nj) con i, j dentro de R, está caracterizada por: x( n, n ) = 1 x( n m, n n) = 3 2 i, j R 4 f a x( n i, n j) = x ( n, n ) i, j 1 i, j R, 2 3 4 1 b a x( n i + 1, n j + 1) = x ( n, n ) i j 2 3 4 a) Imágenes originales b) Transformada Wavelet DB20 con 3 iteraciones eliminando bajas frecuencias. c) Procesado B-splines Una vez obtenido el error de predicción de cada uno de los píxeles en función de los vecinos de R, se define un umbral o tasa de decisión (tasa angula, γ) que indica si el error de predicción obtenido es indicativo de un proceso no estacionario e.d, discontinuidad contorno. Procesado Filtro Adaptativo - Microcalcificaciones Conclusión de Evaluación del Procesado (a) (b) (c) Las herramientas de procesado de señal presentadas han sido integradas en un programa de análisis y fueron evaluadas por expertos de la Fundación Rioja Salud con conclusiones satisfactorias. a) Imágenes originales b) Filtrada con γ =1,25 y 1,75 c) Segmentación final de microcalcificación maligna en tejido graso-glandular y calcificación grosera benigna en tejido graso. γ Falsos Positivos. Se destacan los siguientes comentarios: El programa mejora la resolución y tiene la capacidad de diferenciar el grado de atenuación de las lesiones. Respecto a las microcalcificaciones, los programas que se consideran más útiles son: - Wavelets: porque homogeneizan el fondo - Contraste: porque disminuye la gama de grises - Bspline: porque les da relieve. Conclusión de Evaluación del Procesado Se destacan los siguientes comentarios: Las opciones de clusterización, trabajan con el contraste delimitando las lesiones, las diferencian del resto del parénquima y analizan las distintas densidades del nódulo o de la distorsión. Wavelets y Bspline analizan mejor la resolución, es decir, caracterizan mejor los bordes independientemente de su densidad proyectando la imagen sobre un fondo gris, dan relieve a la lesión, marcando las espículas y las distorsiones del parénquima. Es necesario seguir evaluando las técnicas, además de cualitativamente cuantitativamente. Actualmente se está también desarrollando técnicas de clasificación de lesiones (benignas o malignas).