Software zur automatischen Tumordiagnose in der funktionalen MRT der weiblichen Brust

In den westlichen Industrieländern ist das Mammakarzinom der häufigste bösartige Tumor der Frau. Sein weltweiter Anteil an allen Krebserkrankungen der Frau beläuft sich auf etwa 21 %. Inzwischen ist jede neunte Frau bedroht, während ihres Lebens an Brustkrebs zu erkranken. Die alterstandardisierte Mortalitätrate liegt derzeit bei knapp 27 %.rnrnDas Mammakarzinom hat eine relative geringe Wachstumsrate. Die Existenz eines diagnostischen Verfahrens, mit dem alle Mammakarzinome unter 10 mm Durchmesser erkannt und entfernt werden, würden den Tod durch Brustkrebs praktisch beseitigen. Denn die 20-Jahres-Überlebungsrate bei Erkrankung durch initiale Karzinome der Größe 5 bis 10 mm liegt mit über 95 % sehr hoch.rnrnMit der Kontrastmittel gestützten Bildgebung durch die MRT steht eine relativ junge Untersuchungsmethode zur Verfügung, die sensitiv genug zur Erkennung von Karzinomen ab einer Größe von 3 mm Durchmesser ist. Die diagnostische Methodik ist jedoch komplex, fehleranfällig, erfordert eine lange Einarbeitungszeit und somit viel Erfahrung des Radiologen.rnrnEine Computer unterstützte Diagnosesoftware kann die Qualität einer solch komplexen Diagnose erhöhen oder zumindest den Prozess beschleunigen. Das Ziel dieser Arbeit ist die Entwicklung einer vollautomatischen Diagnose Software, die als Zweitmeinungssystem eingesetzt werden kann. Meines Wissens existiert eine solche komplette Software bis heute nicht.rnrnDie Software führt eine Kette von verschiedenen Bildverarbeitungsschritten aus, die dem Vorgehen des Radiologen nachgeahmt wurden. Als Ergebnis wird eine selbstständige Diagnose für jede gefundene Läsion erstellt: Zuerst eleminiert eine 3d Bildregistrierung Bewegungsartefakte als Vorverarbeitungsschritt, um die Bildqualität der nachfolgenden Verarbeitungsschritte zu verbessern. Jedes kontrastanreichernde Objekt wird durch eine regelbasierte Segmentierung mit adaptiven Schwellwerten detektiert. Durch die Berechnung kinetischer und morphologischer Merkmale werden die Eigenschaften der Kontrastmittelaufnahme, Form-, Rand- und Textureeigenschaften für jedes Objekt beschrieben. Abschließend werden basierend auf den erhobenen Featurevektor durch zwei trainierte neuronale Netze jedes Objekt in zusätzliche Funde oder in gut- oder bösartige Läsionen klassifiziert.rnrnDie Leistungsfähigkeit der Software wurde auf Bilddaten von 101 weiblichen Patientinnen getested, die 141 histologisch gesicherte Läsionen enthielten. Die Vorhersage der Gesundheit dieser Läsionen ergab eine Sensitivität von 88 % bei einer Spezifität von 72 %. Diese Werte sind den in der Literatur bekannten Vorhersagen von Expertenradiologen ähnlich. Die Vorhersagen enthielten durchschnittlich 2,5 zusätzliche bösartige Funde pro Patientin, die sich als falsch klassifizierte Artefakte herausstellten.rnBreast cancer is the most common cancer among women in the Western industrialized nations, worldwide its part of all cancers among women adds up to 21 %. About one in nine women develops breast cancer during her lifetime; the mortality rate in Germany comes up to 27 %.rnrnBreast carcinomas mostly have a relatively slow growth rate. Detecting and removing all breast cancers 5 to 10 mm in size could almost eliminate breast cancer death, since the 20 years survival rate is with over 95 % very high.rnrnMagnetic resonance mammography is a very sensitive diagnostic method giving the chance to detect breast tumors down to a size of about 3 mm in diameter. The drawback of this relative new method is its complex and time consuming diagnostic demand; a numerous pitfalls exist in interpretation of the acquired images, the long diagnostic learning curve lead to a high inter-observer variability.rnrnA computer aided diagnostic system can increase the quality of such complex diagnostics or at least speed up the process. Therefore the aim of this thesis is to develop a full automatic diagnosis software which is usable as an automatic reader for second opinion. To my knowledge, such complete software does not exist today.rnrnThe software executes a pipe of different image processing operations that have been developed following the diagnostic approach of a physician. It results in an autonomous diagnosis for each object found: First, as a pre-processing step, a 3d image registration eliminates motion within the acquired breast images advancing the image quality for the subsequent steps. Then, each contrast enhancing lesion is detected as a single object by a rule based segmentation applying individual thresholds. Thereafter, kinetic and morphological features are calculated describing the characteristics of contrast-agent uptake as well as the shape, margin and texture properties of each segmented object. Finally, based on the extracted feature vector, two trained neuronal networks rate each object to be an additional finding or to be a benign or malignant lesion.rnrnThe performance of the software was tested on the image data of 101 female patients inclosing 141 histological proven lesions. The prediction of healthiness on these objects results in 88 % sensitivity and 72 % specificity, which is similar to known prediction values of expert radiologists in literature. The predictions also include on average 2.5 additional malignant findings per patient, which turned out to be misclassified artifacts.r