Breast cancer is the most common cancer among women worldwide. While breast cancer has high mortality rates, studies have shown that the early detection of breast cancer can improve the chances of recovery. One widely recognized early indication of cancer is clustered microcalcifications. So far, the most effectively used diagnostic modality for microcalcification detection is Mammograms. In an effort to detect the early signs of cancer, recently screening mammography has been adopted in many countries increasing the demand on specialists. Therefore, many research efforts have been focusing on designing computer-aided detection (CAD) to help guide specialists towards suspicious microcalcification clusters by (1) detecting and (2) classifying them. However in raw mammograms, the low contrast between the microcalcification and the surrounding tissue, especially in dense tissue regions, have made it difficult to distinguish the subtle microcalcification particles. Added to that, at the detection stage in the state of the art systems, the low contrast between the microcalcification and the surrounding tissue causes a large number of falsely detected regions. To that end, a CAD system that exploits the difference in texture between normal tissue and microcalcifications is proposed to assure the detection of the most subtle microcalcifications. In the detection stage, the proposed approach adopts sparse representation to estimate normal breast tissue texture only; such that the difference between estimated image and the original image can emphasize subtle microcalcifications. Furthermore, given the importance of the surrounding tissue in classifying malignant microcalcification clusters, the proposed CAD system relies on the texture features in classifying the detected microcalcification cluster regions. Therefore, the inner-class variations due to the surrounding tissue have to be accounted for in the design. Accordingly, local density multiple classifiers are proposed to overcome the inner-class variations. Comparative experiments have been conducted to validate the effectiveness of the proposed CAD system with the publicly available DDSM database. The experimental results showed that the detection and classification performances of the proposed CAD system in terms of FROC were improved in comparison with the commonly used wavelet decomposition background noise reduction and single classifiers.
세계적으로 유방암은 여성들 사이에서 빈번히 발생하는 질병 중에 하나로서, 매우 높은 치사율을 갖는다고 알려져 있기 때문에, 유방암 발병의 조기 진단은 유방암 회복 가능성을 높이는 중요한 요소로 알려져 있다. 미세석회화는 가장 널리 인식되는 유방암의 조짐 중의 하나로서, 미세석회화를 검출하는데 가장 효과적으로 사용되는 모달리티는 마모그램으로 알려져 있다. 그러한 유방암을 조기에 진단하기 위한 노력의 일환으로, 진단용 마모그래피가 많은 나라에서 채택되고 있기 때문에, 마모그램을 분석하는 전문가의 수요가 증가되고 있다. 따라서, 미세석회화를 검출 및 분류함으로써 전문가에게 의심이 되는 미세석회화 클러스터 에 대한 가이드를 제시하기 위해 컴퓨터 보조 검출(CAD) 시스템 개발과 관련된 많은 연구가 수행되고 있다. 하지만, 일반적인 마모그램에서 미세석회화와 그 주변 조직 사이(특히, 치밀 유방 조직 영역)의 낮은 대비(contrast)는 미묘한 미세석회화 입자를 구분하는 것을 어렵게 만들고, 최신 CAD 시스템의 검출 단계에서 많은 수의 오 검출을 야기하게 된다. 따라서, 본 논문에서는 미묘한 미세석회화를 검출하기 위해 일반 조직과 미세석회화 사이의 텍스처 차이를 활용하는 CAD 시스템이 제안된다. 검출 단계에서 제안하는 방법은 일반 유방 조직의 텍스처 정보만을 추정하기 위해 sparse 표현을 사용하여 추정된 영상과 원본 마모그램 영상 사이의 차이가 미묘한 미세석회화를 강조시킬 수 있다. 더욱이, 악성의 미세석회화를 분류할 때 주변 조직이 중요하기 때문에 제안하는 CAD 시스템은 검출된 미세석회화 클러스터 영역에서의 텍스처 특징에 의존하게 된다. 따라서, 주변 조직에 의해 야기되는 부류 내 variation은 CAD 시스템을 설계하는데 고려되어야 하는 문제로서, 본 논문에서는 이러한 문제를 극복하기 위해 국부 밀도에 기반한 다중 분류기를 이용한 방법이 제안된다. 제안하는 CAD 시스템의 효과를 입증하기 위해 공개적으로 이용 가능한 DDSM 데이터베이스를 이용하여 비교 실험이 수행되었다. FROC 관점에서 실험 결과는 제안된 CAD 시스템의 미세석회화 검출 및 분류 결과가 기존에 보편적으로 사용되는 웨이블렛(wavelet) 기반 배경 잡음 제거와 단일 분류기를 사용한 방법에 비해 우수함을 확인하였다.
