動的造影MRIのための運動学的および形態学的解析を用いた乳房病変検出のコンピュータ化

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Magn Reson Imaging.2014 Jun;32(5):514-22. S0730-725X(14)00012-5. doi: 10.1016/j.mri.2014.01.008.Epub 2014-01-28.

動的造影MRIのための運動学的および形態学的解析を用いた乳房病変検出のコンピュータ化

Computerized breast lesions detection using kinetic and morphologic analysis for dynamic contrast-enhanced MRI.

Yeun-Chung Chang
Yan-Hao Huang
Chiun-Sheng Huang
Jeon-Hor Chen
Ruey-Feng Chang

PMID: 24582545 DOI: 10.1016/j.mri.2014.01.008.

抄録

迅速かつ正確な評価を容易にするために、本研究では、動的造影増強磁気共鳴画像法（DCE-MRI）から運動学的特徴と形態学的特徴の両方を用いて、局所的な腫瘍乳房病変を検出し、識別するための新規な完全自動化手法を提案した。DCE-MRI研究の全フェーズの動き登録を行った後、自動生成された3本の線を用いて各スライスの乳房領域全体をセグメント化した。まず、2段階検出アルゴリズムによりピクセルベースの時間信号強度曲線（TIC）から抽出された運動特徴を使用し、次に、検出された領域の3次元（3D）形態学的特徴を適用して、腫瘍領域と非腫瘍領域を区別した。本研究では，女性54名の生検確定病変95例（良性病変28例，悪性病変67例）を用いて，提案システムの検出効果を評価した．検出性能は自由応答操作特性（FROC）曲線と検出率を用いて解析した。提案したコンピュータ支援検出（CADe）システムの検出率は全腫瘍病変の92.63％（88/95）であり，1例あたりの偽陽性は6.15であった．この結果から、TICで抽出された運動学的特徴量を腫瘍病変の検出に用いることができ、3次元形態学的特徴量を用いることで誤検出を効果的に低減することができると考えられる。

To facilitate rapid and accurate assessment, this study proposed a novel fully automatic method to detect and identify focal tumor breast lesions using both kinetic and morphologic features from dynamic contrast-enhanced magnetic resonance imaging (DCE-MRI). After motion registration of all phases of the DCE-MRI study, three automatically generated lines were used to segment the whole breast region of each slice. The kinetic features extracted from the pixel-based time-signal intensity curve (TIC) by a two-stage detection algorithm was first used, and then three-dimensional (3-D) morphologic characteristics of the detected regions were applied to differentiate between tumor and non-tumor regions. In this study, 95 biopsy-confirmed lesions (28 benign and 67 malignant lesions) in 54 women were used to evaluate the detection efficacy of the proposed system. The detection performance was analyzed using the free-response operating characteristics (FROC) curve and detection rate. The proposed computer-aided detection (CADe) system had a detection rate of 92.63% (88/95) of all tumor lesions, with 6.15 false positives per case. Based on the results, kinetic features extracted by TIC can be used to detect tumor lesions and 3-D morphology can effectively reduce the false positives.