Computer-aided detection for digital breast tomosynthesis

• Auteur / Autrice : Gero Peters
• Direction : Isabelle Bloch, Serge Müller
• Type : Thèse de doctorat
• Discipline(s) : Signal et images
• Date : Soutenance en 2007
• Etablissement(s) : Paris, ENST

Mots clés

Mots clés contrôlés

Logique floue

Reconstruction d'image

Mammographie

Imagerie médicale

Résumé

Nous développons un algorithme de détection automatique des signes radiologiques pour la mammographie numérique tridimensionnelle. Nous appliquons la théorie des sous-ensembles flous afin de modéliser l’ambiguïté présente dans les images de projection, ce qui nous permet en même temps de retarder la prise de décision jusqu’à une étape du traitement où nous pouvons prendre en compte la totalité des informations extraites à travers l’ensemble des projections. Nous proposons un système permettant la détection de différents types de lésions. Nous présentons une méthode d’extraction de contours flous pour des opacités. L’originalité de l’approche présentée réside dans l’application d’un modèle dédié de contours actifs hybrides. Chaque modèle est construit à partir de connaissances a priori que l’on a sur une classe d’objets donnée. Nous appliquons les différents modèles pour chaque signe radiologique, fournissant un ensemble de contours flous pour chaque objet traité. Un vecteur d’attributs est extrait que l’on utilise pour obtenir un vecteur d’attributs flous. Nous proposons un opérateur d’agrégation afin de combiner l’information correspondant à un objet tridimensionnel à travers l’intégralité des images de projection. A cette fin, nous introduisons un opérateur de défuzzification partielle, qui nous permet d’obtenir une représentation de l’information floue extraite pour chaque objet en chaque pixel. Nous calculons des attributs cumulés et un degré de confiance associé à chaque particule. Nous utilisons un arbre de décision flou afin d’obtenir une décision à partir des informations extraites.

We develop an algorithm for reconstruction-independent computer-aided detection on DBT data. Working directly on the tomographic projection images, we make use of fuzzy set theory to preserve the ambiguity present in the images until the information from the entire set of projected views can be jointly considered. A framework is proposed that allows for detection of different kinds of radiological findings using the same general framework. We present a method for fuzzy contour extraction for mass lesions. The originality of our method lies in the use of a set of dedicated hybrid active contour models. Each model is constructed using a priori knowledge about a class of objects of interest. For each radiological finding, we apply the different active contour models resulting in a set of fuzzy contours for each object of interest. A feature vector is extracted for each fuzzy contour. Using the extension principle we establish a set of fuzzy attributes based on this feature vector. We propose an aggregation strategy for combining the information corresponding to a given three-dimensional object over the entire set of projected views. To this end we introduce a partial defuzzification operation that provides a pixel-based representation of the fuzzy information extracted for each object. This operation, combined with a back-projection/re-projection step, provides the links between the particles in the projection images, that correspond to the same three-dimensional particle. Cumulated fuzzy attributes and a confidence degree for each particle are computed. A fuzzy decision tree working on fuzzy data is then applied to obtain a final decision.