Digital breast tomosynthesis (DBT) is a new three-dimensional (3D) tomographic imaging modality for early detection of breast cancer. DBT is designed to alleviate the tissue overlap problem which inherent in conventional two-dimensional (2D) mammography by reconstructing a 3D breast volume from a series of projection view images obtained over limited angular range. To help radiologists in clinical realm, researches for developing a computer-aided detection (CAD) system have been reported. Typically, CAD system for detecting masses in 3D reconstructed volume largely consists of the following two processes: volume of interest (VOI) detection and false positive (FP) reduction using feature analysis. In order to develop the CAD system for DBT, limitation of 3D reconstructed volume should be considered. The 3D reconstructed volume only provides the quasi-3D structure information with limited resolution along depth direction due to the insufficient sampling in depth direction. The limited angular range and limited number of projection views also causes the problem of blur in our-of-focus plane. These limitations could seriously hamper conventional 3D image analysis technique for detecting masses. In this thesis, we proposed a novel mass detection approach for detecting masses in on 3D reconstructed volume to overcome above limitations. Firstly, to overcome the limited resolution along depth direction, we detect regions of interest (ROIs) on each reconstructed slices and separately utilizes depth directional information to combine the ROIs effectively. Furthermore, we measure the blurriness of each slice and select in-focus slices to extract features for resolving the degradation of performance caused from the blur in out-of-focus plane. Finally, features are extracted from selected in-focus slices and analyzed by support vector machines (SVMs) classifier to reduce FPs. Comparative experiments have been conducted on the clinical data set provided by a private hospital. Experimental results demonstrated that proposed approach outperforms conventional 3D approach by achieving the high sensitivity with the relatively small number of FPs. Our results show that the proposed approach can be successfully used for developing the CAD system operated on DBT.
디지털 토모신세시스는 유방암의 조기 진단을 위한 새로운 3차원 유방촬영술이다. 디지털 토모신세시스는 제한된 각도에서 촬영한 여러 장의 투영영상을 이용해 3차원 유방영상을 재구성해 기존 2차원 유방조영술이 갖고 있는 조직중첩 문제를 완화하기 위해 개발되었다. 의사의 디지털 토모신세시스를 이용한 유방암 진단을 돕기 위해 컴퓨터 지원 진단 시스템 개발에 관한 연구가 활발히 진행되고 있다. 디지털 토모신세시스의 3차원 재구성 영상을 분석해 유방암 병변인 종괴를 검출하는 컴퓨터 지원 진단 시스템은 크게 종괴 후보영역 검출과 후보영역의 특징정보 분석을 통한 거짓양성 (false positive) 제거의 2단계로 구성되어 있다. 이 때, 3차원 재구성 영상을 분석하기 위해서는 3차원 재구성 영상의 한계를 고려해야 한다. 3차원 재구성 영상은 여러 장의 단면영상으로 이뤄져 있는데 단면영상 내에서의 샘플링 수와 비교하여 단면영상 간에는 샘플링 수가 상당히 부족해 제한된 해상도를 갖는 불완전한 3차원 구조를 지닌다. 또한 제한된 각도에서 제한된 수의 투영영상으로 3차원 영상을 재구성하기 때문에 중심이 아닌 단면에서 블러 (blur)가 나타난다. 따라서 종괴 검출을 위해 기존의 3차원 영상 분석 기술을 적용하면 검출 성능의 저하를 야기할 수 있다. 본 논문에서는 이러한 한계를 극복하기 위해 새로운 검출 방법을 제안한다. 먼저, 제한된 해상도 문제를 해결하기 위해 3차원 재구성 영상을 단면영상 별로 나눠서 2차원의 여러 후보영역을 검출한 뒤, 단면영상 간 정보는 2차원의 검출 결과를 효과적으로 융합하기 위해 따로 사용한다. 또, 블러 문제를 고려해 융합된 후보영역의 단면 별로 블러의 정도를 측정함으로써 병변이 뚜렷하게 나타난 단면을 찾는다. 최종적으로 선택된 단면으로부터 추출된 특징정보는 support vector machines (SVMs) 분류기를 이용해 분석되어 거짓양성을 줄이는데 사용된다. 제안하는 방법의 유용성을 확인하기 위해 사설 병원에서 제공받은 실제 임상데이터를 사용해 비교실험을 수행하였다. 실험을 통해 제안하는 방법이 거짓 양성의 수를 효과적으로 줄여 높은 민감도를 얻음으로 기존 3차원 검출 방법보다 종괴 검출 성능 측면에서 우수함을 보였다. 본 연구 결과는 디지털 토모신세시스를 이용한 컴퓨터 지원 진단 기술 개발 연구에서 사용될 것으로 기대된다.
