Automatic breast lesion examination of DCE-MRI data based on Fourier analysis

Abstract

Brustkrebs ist in modernen Ländern die zweithäufigste Krebs-Todesursache. In weniger entwickelten Ländern ist es mit einer Sterblichkeitsrate von 25% sogar die Häufigste. Statistiken zeigen, dass der Schlüssel zur Bekämpfung der Brustkrebs Sterblichkeitsrate eine frühzeitige Erkennung ist. Neben Röngten-Mammographie und dem Brustultraschall hat sich die dynamische Kontrastmittel-verstärkte Magnetresonanztomographie (KM-MRT) als zusätzlische bildgebende Methode zur Brustkrebsdiagnostik etabliert. Die MRT der Brust weist die höchste Sensitivität im Vergleich zu allen anderen bildgebenden Modalitäten in der Brustkrebsdetektion auf. Bisher wird die MRT der Brust von dem befunden Radiologen ausgewertet, Systeme für eine automatisierte Analyse der KM-MRT sind jedoch selten. Diese Arbeit präsentiert eine Methode zur automatischen Analyse von Brustkrebstumoren, wobei eine manuelle Segmentation der Läsion nicht notwendig ist. Es ist jedoch notwendig, die Läsion durch das Setzen einer Region-of-Interest (ROI) zu definieren. Nach der Definition der ROI wird diese in den Fourierbereich transformiert. Basierend auf dem Betrag des entstandenen Fouriervolumens werden Trägheitstensore berechnet. Basierend auf diesen Informationen wird das Göttinger Punkteschema, ein punktebasierendes Schema zur Beschreibung von Brustlesionen ist, berechnet und in neuen visuellen Plots dargestellt, welche anschließend durch Radiologen evaluiert wurden. Das Göttinger Punkteschema basiert auf den folgenden Merkmalen: Form, Begrenzung, Kontrastmittelverteilung, initialer Kontrastmittelanstieg sowie der Kontrastmittelverlauf nach dem initialen Anstieg. Basierend auf einer Datenbank von 22 Läsionen bestehend aus histologisch verifizierten 14 malignen und 8 benignen Brusttumoren, wurde die vorgestellte Methode getestet. Die Ergebnisse wurden mit der Beurteilung einer erfahrenen Brustradiologin als Referenzklassifizierung verglichen. Die automatische Berechnung der Form lieferte eine Genauigkeit von 0.773, die Begrenzung 0.818 und die Kontrastmittelverteilung 0.886 verglichen mit den Werten der Radiologin. Eine Klassifizierung liefert eine Genauigkeit von 0.682 mit allen Werten des Göttinger Punkteschema, wenn hingegen nur die Form, Begrenzung und Kontrastmittelverteilung verwendet werden, wird eine Genauigkeit von 0.772 erzielt. Die Evaluierung der Plots zur Darstellung des Göttinger Punkteschems durch Radiologen zeigt eine allgemeine Annahme der Darstellung einzelner Läsionen, jedoch eine Ablehnung der Plots in denen mehrere Läsionen dargestellt werden.

Breast cancer is the second most common cancer death among women in developed countries. In less developed countries it has a mortality rate of about 25% rendering it the most common cancer death. It has been demonstrated that an early breast cancer diagnosis significantly reduces the mortality. In addition to mammography and breast ultrasound, Dynamic Contrast-Enhanced Magnetic Resonance Imaging (DCE-MRI) is the modality with the highest sensitivity for breast cancer detection. However, systems for automatic lesion analysis are scarce. This thesis proposes a method for lesion evaluation without the necessity of tumor segmentation. The observer has to define a Region Of Interest (ROI) covering the lesion in question and the proposed system performs an automated lesion inspection by computing its Fourier transform. Using the Fourier transformed volume we compute the inertia tensor of its magnitude. Based on the gathered information, the Göttinger score, which is a common breast cancer analysis scheme, is computed and the features are presented in newly create plots. These plots are evaluated with a survey where radiologists participated. The Göttinger score assigns a numeric value for the following features: shape, boundary, Internal Enhancement Characteristics (IEC), Initial Signal Increase (ISI) and Post Initial Signal (PIS). We tested our method on 22 breast tumors (14 malignant and 8 benign ones). Subsequently, we compared our results to the classification of an experienced radiologist. The automatic boundary classification has an accuracy of 0.818, the shape 0.773 and the IEC 0.886 compared to the radiologist-s results. An evaluation of the accuracy of the benign vs. malignant classification shows that the method has an accuracy of 0.682 for all the Göttinger score features and 0.772 using only the shape, boundary and IEC. The evaluation of the plot shows that radiologist like the visual representation of the Göttinger score for single lesions, they, however, refuse the plots where multiple lesions are presented in one visual representation.