Способ повышения чувствительности и специфичности систем компьютерного анализа маммографических изображений при высокой плотности паренхимы молочной железы

Обложка

Цитировать

Полный текст

Аннотация

Цель. Поиск путей повышения диагностической ценности систем компьютерного выявления патологических образований для маммографии, основанных на принципе сравнения изображений двух молочных желёз. Методы. Произведён анализ диагностической ценности системы компьютерного выявления патологических образований для маммографии MammCheck 1.15 собственной разработки, в состав которой включены модули поиска асимметричных областей и яркостной трансформации. Для тестирования данной системы использовали стандартные оцифрованные маммограммы в краниокаудальной и медиолатеральной косой проекциях 117 пациенток с морфологически верифицированным раком молочной железы (визуализировавшимся в виде очагового образования с микрокальцинатами или без них) и 114 пациенток, не страдавших злокачественными опухолями, что было подтверждено результатами 3-летнего наблюдения. Все маммограммы имели плотность 3-4 (C-D) согласно классификации ACR. У 23 из 117 пациенток изменения, соответствовавшие раку молочной железы, визуализировались нечётко или были вообще не видны невооружённым глазом на стандартных маммограммах. Результаты. Общая чувствительность метода составила 80,3%, частота ложноположительных результатов - 13,2%. Чувствительность в выявлении образований с микрокальцинатами была выше (100%) по сравнению с образованиями без микрокальцинатов (78,1%, p <0,05). Система правильно выделила 14 (60,7%) из 23 опухолей, невидимых на стандартных маммограммах (все они не имели микрокальцинатов). Вывод. Плотность паренхимы молочной железы остаётся проблемой для системы компьютерного выявления патологических образований при диагностике рака, особенно не сопровождающегося образованием микрокальцинатов, однако данные системы могут обнаруживать невидимые или плохо видимые при стандартном исследовании злокачественные образования, в связи с чем целесообразно их использование в качестве варианта второго или третьего прочтения маммограмм.

Об авторах

Дмитрий Валерьевич Пасынков

Республиканский онкологический диспансер Республики Марий Эл

Автор, ответственный за переписку.
Email: passynkov@mail.ru

Иван Владимирович Клюшкин

Казанский государственный медицинский университет

Email: passynkov@mail.ru

Ольга Валерьевна Бусыгина

Республиканский онкологический диспансер Республики Марий Эл

Email: passynkov@mail.ru

Список литературы

  1. Клюшкин И.В., Пасынков Д.В., Бусыгина О.В., Пасынкова О.О. К вопросу о возможном повышении риска рака молочной железы у пациенток, перенёсших оперативные вмешательства на ней по поводу доброкачественной патологии. Казанский мед. ж. 2015; 96 (3): 316-321.
  2. Клюшкин И.В., Пасынков Д.В., Насруллаев М.Н., Пасынкова О.В. Эффективность ультразвукового скрининга рака молочной железы у больных фиброзно-кистозной болезнью. Казанский мед. ж. 2009; 90 (2): 213-217.
  3. Пасынков Д.В., Клюшкин И.В. Автоматическая компьютерная расшифровка рентгеномаммограмм. Казанский мед. ж. 2009; 90 (2): 223-227.
  4. Чувашаев И.Р., Акберов Р.Ф. Диагностическая эффективность комплексного лучевого исследования молочных желёз при заболеваниях, сопровождающихся увеличением подмышечных лимфоузлов. Казанский мед. ж. 2009; 90 (2): 212-214.
  5. Adepoju T.M., Ojo J.A., Omidiora E.O. et al. Detection of tumour based on breast tissue categorization. Brit. J. Applied Sci. Technol. 2015; 11 (5): 1-12. http://dx.doi.org/10.9734/BJAST/2015/20039
  6. Baker J.A., Lo J.Y., Delong D.M. et al. Computer-aided detection in screening mammography: variability in cues. Radiology. 2004; 233: 411-417. http://dx.doi.org/10.1148/radiol.2332031200
  7. Bigenwald R.Z., Warner E., Gunasekara A. et al. Is Mammography adequate for screening women with inherited BRCA mutations and low breast density? Cancer Epidemiol. Biomarkers Prev. 2008; 17: 706. http://dx.doi.org/10.1158/1055-9965.EPI-07-0509
  8. Boyd N.F., Guo H., Martin L.J. et al. Mammographic density and the risk and detection of breast cancer. N. Engl. J. Med. 2007; 356: 227-236. http://dx.doi.org/10.1056/NEJMoa062790
  9. Boyd N.F., Martin L.J., Sun L. et al. Body size, mammographic density and breast cancer risk. Cancer Epidemiol. Biomarkers. Prev. 2006; 15: 2086-2092. http://dx.doi.org/10.1158/1055-9965.EPI-06-0345
  10. Brem R.F., Baum J., Lechner M. et al. Improvement in sensitivity of screening mammography with computer-aided detection: a multiinstitutional trial. AJR Am. J. Roentgenol. 2003; 181: 687-693. http://dx.doi.org/10.2214/ajr.181.3.1810687
  11. Dheeba J., Albert Singh N., Tamil Selvi S. Computer-aided detection of breast cancer on mammograms: A swarm intelligence optimized wavelet neural network approach. J. Biomed. Inform. 2014; 49: 45-52. http://dx.doi.org/10.1016/j.jbi.2014.01.010
  12. Elmore J.G., Barton M.B., Moceri V.M. et al. Ten-year risk of false positive screening mammograms and clinical breast exams. NEJM. 1999; 338: 1089-1096. http://dx.doi.org/10.1056/NEJM199804163381601
  13. Freer T.W., Ulissey M.J. Screening mammography with computer-aided detection: prospective study of 12,860 patients in a community breast center. Radiology. 2001; 220: 781-786. http://dx.doi.org/10.1148/radiol.2203001282
  14. Karssemeijer N., Otten J.D.M., Verbeek A.L.M. et al. Computer-aided detection versus independent double reading of masses on mammograms. Radiology. 2003; 227: 192-200. http://dx.doi.org/10.1148/radiol.2271011962
  15. McCormack V.A., dos Santos Silva S.I. Breast density and parenchymal patterns as markers of breast cancer risk: a meta-analysis. Cancer Epidemiol. Biomarkers Prev. 2006; 15: 1159-1169. http://dx.doi.org/10.1158/1055-9965.EPI-06-0034
  16. Melton A.R., Worrell S.W., Knapp J. et al. Computer-aided detection with full-field digital mammography and screen-film mammography. Am. J. Roentgenol. 2007; 188: A36-A39.
  17. Morton M.J., Whaley D.H., Brandt K.R. et al. Screening mammograms: interpretation with computer-aided detection - prospective evaluation. Radiology. 2006; 239: 375-383. http://dx.doi.org/10.1148/radiol.2392042121
  18. Park C.S., Jung N.Y., Kim K. et al. Detection of breast cancer in asymptomatic and symptomatic groups using computer-aided detection with full-field digital mammography. J. Breast Cancer. 2013; 16 (3): 322-328. http://dx.doi.org/10.4048/jbc.2013.16.3.322
  19. Romero C., Almenar A., Pinto J.M. et al. Impact on breast cancer diagnosis in a multidisciplinary unit after the incorporation of mammography digitalization and computer-aided detection systems. Am. J. Roentgenol. 2011; 197: 1492-1497. http://dx.doi.org/10.2214/AJR.09.3408
  20. Sohns C., Angic B., Sossalla S. et al. Computer-assisted diagnosis in full-field digital mammography - results in dependence of readers experiences. Breast J. 2010; 16: 490-497. http://dx.doi.org/10.1111/j.1524-4741.2010.00963.x
  21. Wei J., Sahiner B., Hadjiiski L.M. et al. Computer-aided detection of breast masses on full field digital mammograms. Med. Phys. 2005; 32: 2827-2838. http://dx.doi.org/10.1118/1.1997327
  22. Yaghjyan L., Colditz G.A., Collins L.C. et al. Mammographic breast density and subsequent risk of breast cancer in 7 postmenopausal women according to tumor characteristics. J. Natl. Cancer Inst. 2011; 103 (15): 1179-1189. http://dx.doi.org/10.1093/jnci/djr225
  23. Zhao Y., de Bock G.H., Vliegenthart R. et al. Performance of computer-aided detection of pulmonary nodules in low-dose CT: comparison with double reading by nodule volume. Eur. Radiol. 2012; 22 (10): 2076-2084. http://dx.doi.org/10.1007/s00330-012-2437-y

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© 2016 Пасынков Д.В., Клюшкин И.В., Бусыгина О.В.

Creative Commons License

Эта статья доступна по лицензии
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.



Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».