MemoRad 2012-4 - Nederlandse Vereniging voor Radiologie

proefschriften
Detection of malignant masses
in breast cancer screening by computer
assisted decision making
Rianne Hupse
a b
Om borstkanker in een vroeg stadium op te
sporen, worden in de meeste westerse landen
screeningprogramma’s georganiseerd.
Een klein deel van de mammogrammen die
in screening gemaakt worden bevat kwaadaardige
afwijkingen. Deze afwijkingen (microcalcificaties
en tumorschaduwen, zie
Figuur 1) kunnen heel subtiel zijn. Om te
voorkomen dat deze afwijkingen over het
hoofd worden gezien (perceptiefouten),
zijn computer-aided detection (CAD) technieken
ontwikkeld. Het effect van de CADtechnieken
die momenteel gebruikt worden
in screening is echter niet overtuigend.
Figuur 1. twee details van verschillende mammogrammen. in figuur a zijn microcalcificaties zichtbaar,
in figuur b een tumorschaduw. Beide zijn tekenen van borstkanker.
a b
Figuur 2. twee mammogrammen met een verdachte regio. Beide regio’s krijgen in eerste instantie dezelfde verdenkingsscore
toegewezen door CaD. De verdenking van het omliggende weefsel is echter in beide figuren heel verschillend. als dit meegenomen
wordt in het algoritme, wordt de verdenking van de regio in figuur a (tumor) groter dan in figuur b (geen tumor).
Het onderzoek dat beschreven staat in dit proefschrift
had twee doelen. Het eerste doel was de
detectie van tumorschaduwen door CAD te verbeteren.
Het tweede doel was te onderzoeken of
CAD op een nieuwe manier gebruikt kan worden,
namelijk om fouten bij de interpretatie van verdachte
gebieden te verminderen.
Verbeteren van de detectie
van tumorschaduwen
Bij het lezen van mammogrammen kijken radiologen
niet alleen naar lokale eigenschappen van
verdachte regio’s, maar houden ook rekening
met meer algemene contextuele informatie. We
beschrijven een set van context features die de
verdenking op normaal weefsel bij dezelfde patiënt
weergeven. Wanneer bij normaal weefsel
de verdenking ten opzichte van een potentiële
tumorlocatie relatief groot is, is de kans kleiner
dat de potentiële tumorlocatie een maligniteit
bevat (Figuur 2). We berekenden context features
voor drie referentiegebieden in het beeld
zelf, in het contralaterale beeld en in verschillende
projecties (indien beschikbaar). We vonden
dat de gemiddelde sensitiviteit van CAD met
meer dan 6% steeg wanneer context features
werden toegevoegd. De features die berekend
waren met informatie uit meerdere beelden
van dezelfde patiënt, gaven een grotere verbetering
dan de features die berekend waren U
J a a r g a n g 1 7 - n u m m e r 4 - 2 0 1 2 25