falkowe metody poprawy percepcji zmian patologicznych w
Transkrypt
falkowe metody poprawy percepcji zmian patologicznych w
Transformacja falkowa, falki heksagonalne, cyfrowa mammografia, komputerowe wspomaganie diagnozy Pawel BARGIEL Anna WRÓBLEWSKA Artur PRZELASKOWSKI FALKOWE METODY POPRAWY PERCEPCJI ZMIAN PATOLOGICZNYCH W MAMMOGRAMACH STRESZCZENIE Artykul prezentuje metode przetwarzania obrazów mammograficznych w dziedzinie falkowej w celu uwydatnienia zmian patologicznych istotnych w diagnozie raka piersi. Metode te wykorzystano w fazie wstepnego przetwarzania obrazu w projektowanym systemie CAD (komputerowego wspomagania diagnozy). Przedstawiono wstepne wyniki detekcji obszarów patologicznych bez i z zastosowaniem omawianej metody. WSTEP Mammogramy sa to obrazy powstale w wyniku przeswietlenia sutka promieniami rentgenowskimi z wykorzystaniem róznicy wspólczynników pochlaniania promieniowania przez tkanke gruczolowa i tluszczowa. Badan mammograficznych dokonuje sie w celu wykrycia i rozpoznawania zmian w piersi i tym samym okreslenia stopnia ryzyka zachorowania na raka piersi. Za pomoca mammografii mozna wykryc guzki lub inne zmiany i nieprawidlowosci w piersi na bardzo wczesnym etapie, kiedy jeszcze nie mozna tych zmian wykryc w procesie samobadania czy podczas badan palpacyjnych. Na podstawie wielu eksperymentów i doswiadczen specjalistów mozna rozróznic guzki widoczne na mammogramach i sklasyfikowac zagrozenia jakie istnieja w wyniku ich wystepowania. Guzki lagodne sa zazwyczaj jednolite, okragle, maja gladki zarys i sa otoczone warstwa tkanki tluszczowej natomiast nowotwory zlosliwe sa bardziej geste, maja nieregularny ksztalt i nierówny zarys [1][2]. Czesto w obu typach zmian dochodzi do odkladania sie czasteczek wapnia, przy czym zwapnienia w zmianach lagodnych sa z reguly duze, a w zmianach zlosliwych sa delikatne i jak juz wspomniano, maja nieregularny ksztalt, czyli z punktu widzenia detekcji zmian patologicznych – ta ostatnia grupa jest szczególnie interesujaca. Obecnie w Polsce powszechnie stosuje sie analogowa aparature rentgenowska, w której obrazy powstaja w wyniku naswietlania kliszy, na swiecie coraz wieksza popularnosc zyskuje cyfrowa aparatura ze zintegrowanym systemem CAD (CR-Computer Radiology, DR-Digital Radiology). Zastosowanie aparatury analogowej do pólautomatycznej detekcji obszarów patologicznych w systemach CAD (Computer Aided Detection) wymaga skanowania naswietlonych klisz i zapisywania w postaci cyfrowej. Poszukiwanie zmian patologicznych w obrazach mammograficznych jest z punktu widzenia rozpoznawania obrazu problemem trudnym ze wzgledu na róznorodnosc charakteru zmian patologicznych, silnie zróznicowana jakosc obrazów, a przede wszystkim wzgledny charakter samej oceny diagnostycznej (jest to ocena porównawcza, brakuje bezwzglednych kryteriów). Istotnym elementem wystepujacym czesto w obrebie zmian patologicznych sa mikrozwapnienia. Sa to obiekty o niewielkich rozmiarach. W obrazie przy rozdzielczosci rzedu 45 mikrona/piksel maja rozmiary rzedu kilku do kilkunastu pikseli [3]. Dodatkowym utrudnieniem jest wystepowanie w obrazie struktur o bardzo zblizonych poziomach jasnosci i ksztalcie do obszarów patologicznych. Dlatego w systemach CAD stosuje sie faze wstepnego przygotowania obrazu, czyli filtracji pod katem uwypuklenia obiektów istotnych diagnostycznie, w tym rozróznialnosci mikrozwapnien. Zastosowanie prostej filtracji górnoprzepustowej do uwydatnienia mikrozwapnien o niewielkich i zróznicowanych rozmiarach nie przynosi oczekiwanych efektów ze wzgledu na zblizonych charakter poszukiwanych wzorców do szumu i drobnych artefaktów (pylki na kliszy, zarysowania). Powoduje to wzrost wskazan falszywie pozytywnych algorytmu detekcji. Poszukuje sie wiec bardziej zaawansowanych technik filtracji, przede wszystkim skalowalnych czy wielorozdzielczych, w celu podkreslenia obiektów o róznym ksztalcie. Wykorzystuja one adaptacyjne lokalne operatory progowania do selekcji wzorców o okreslonych ksztaltach i innych geometrycznych zaleznosciach.[4] FILTRACJA FALKOWA Ze wzgledu na charakter istotnych w przetwarzaniu zmian nalezy rozwazyc filtracje zalezna od kontekstu analizowanego obszaru. Przydatnym narzedziem okazuje sie tutaj wielorozdzielcza analiza falkowa, czyli transformacja obrazu do dziedziny, w której mozliwa jest lokalna modyfikacja wspólczynników róznych skal, a tym samym ksztaltowanie rekonstrukcji wybranego fragmentu obrazu. Filtracja sygnalu w dziedzinie transformaty falkowej (podobnie jak w przypadku innych transformat /Fouriera, kosinusowej itp./) polega na modyfikacji wspólczynników transformaty, a nastepnie na obliczeniu transformaty odwrotnej. W przeciwienstwie do przeksztalcenia Fouriera narzedzie falkowe pozwala lokalnie analizowac i zmieniac sygnal rekonstruowany w róznych skalach. Wazna zaleta transformacji falkowej jest mozliwosc doboru funkcji bazowych w zaleznosci od cech sygnalu uzytecznego. Ulatwia to pózniej selektywne wydobywanie (podkreslanie, uwidacznianie) zmian patologicznych z nieuzytecznego tla (obrazu tkanki zdrowej, szumów, artefaktów) na etapie progowania w dziedzinie falkowej. Mozna adaptacyjnie zwiekszyc wartosci wspólczynników transformaty w miejscu wystapienia istotnego obiektu. Jest sprawa oczywista, ze nie mozna dowolnie konstruowac bazy funkcji analizujacych – nalezy spelnic pare warunków ze wzgledu na pózniejsza mozliwosc rekonstrukcji sygnalu [4]. Majac zaprojektowana transformacje z odpowiednia baza falkowa i liczba poziomów dekompozycji trzeba dobrac optymalna procedure modyfikacji wartosci wspólczynników. Znane sa rózne metody progowania wartosci wspólczynników transformaty (twarde- i miekkie-progowanie, rózne formy adaptacji dla danej skali, polozenia, kontekstu wystepowania). W praktyce stosuje sie tez wzmacnianie lub oslabianie wartosci wspólczynników w zaleznosci od kontekstu, wstepnej klasyfikacji, estymacji ksztaltu obiektu uzytecznego etc. Podstawowy schemat realizacji dyskretnej transformacji falkowej wykorzystuje kaskadowe przetwarzanie z wykorzystaniem pary filtrów (górno- i dolno-przepustowych), których odpowiedzi impulsowe sa zalezne od postaci funkcji skalujacej oraz falki bazy przeksztalcenia (rys. 1). a) b) Rys.1 a) Schemat transformacji falkowej jednego poziomu: analiza i synteza, b) analiza wielorozdzielcza z trzema poziomami dekompozycji [h i g oznaczaja odpowiednio dolno- i górno-przepustowe filtry analizy, h i g –analogiczne filtry syntezy, 2?-decymacja, 2?-uzupelnienie próbek] W klasycznej transformacji falkowej wykorzystuje sie ortogonalne banki filtrów, jednak w wielu zastosowaniach falkowych metod przetwarzania obrazów zastepowane sa one bazami funkcji biortogonalnych. Bazy te pozwalaja realizowac przeksztalcenie falkowe za pomoca filtrów o skonczonej odpowiedzi impulsowej i liniowej fazie (lepiej opisuja sygnal na granicy dziedziny jego okreslonosci, daja takze dodatkowe mozliwosci dopasowania do okreslonych cech sygnalu) [4]. Filtry biortogonalne spelniaja warunek doskonalej rekonstrukcji, czyli dokladnego odtworzenia sygnalu ze wspólczynników transformaty: h(z)h(z-1) + g(z)g(z-1) = 2 h(z)h(-z-1) + g(z)g(-z-1) = 0 Transformacja falkowa z bazami biortogonalnymi moze byc takze realizowana z wykorzystaniem schematu liftingu (daje oszczednosci czasowe, a takze ulatwia projektowanie nowych baz).[2] Mozliwe sa przeksztalcenia filtrów z realizacji splotowej do postaci liftingu, która sklada sie z kolejnych kroków predykcji i dookreslenia (rys. 2). Postac tych kroków wyznacza sie przez faktoryzacje macierzy polifazowej banku filtrów analizy. Faktoryzacja jest procesem odwrotnym do liftingu i polega na zastapieniu zlozonych banków filtrów, zdefiniowanych w postaci zestawu wspólczynników odpowiedzi impulsowej, szeregiem prostych filtrów okreslajacych kolejne kroki liftingu. Niestety proces faktoryzacji nie jest jednoznaczny, co powoduje, ze lepszym podejsciem do realizacji dopasowanego przeksztalcenia falkowego jest bezposrednie projektowanie funkcji predykcji i dookreslania i ewentualne obliczanie wspólczynników filtrów mogacych realizowac projektowane przeksztalcenie splotowo. P – krok predykcji (ang. prediction) U – krok dookreslania (ang. update) -1 Z – przesuniecie w czasie sygnalu o jedna próbke Rys. 2 Schemat liftingu Powyzsze okreslenia przeksztalcenia falkowego dotycza transformacji jednowymiarowych sygnalów. Dwuwymiarowa postac transformacji falkowej obrazów mozna realizowac z wykorzystaniem tzw. jadra separowalnego, tj. jadra jednowymiarowego zastosowanego niezaleznie do obu wymiarów. Konstruowane sa takze jadra dwuwymiarowe, uwzgledniajace charakterystyke obrazów i umozliwiajace dokladniejsza analize obiektów o nieregularnym ksztalcie (np. mikrozwapnien). Testowana postac przeksztalcenia wykorzystuje falkowe jadro heksagonalne. TRANSFORMACJA HEKSAGONALNA Aby poprawic percepcje zmian patologicznych w obrazach mammograficznych zastosowano filtracje falkowa z dwuwymiarowym jadrem przeksztalcenia [5][6]. Algorytm ten mozna podzielic na 7 faz: 1 transformacja obrazu do postaci heksagonalnej 2 podzial na 4 podpasma 3 predykcja w trzech podpasmach (ang. prediction) 4 dookreslanie pasma niskoczestotliwosciowego (ang. update) 5 modyfikacja wspólczynników transformaty 6 odtworzenie sygnalu do postaci heksagonalnej 7 transformacja z postaci heksagonalnej do obrazu wynikowego Faza 1 i podobnie faza 7 sa wzgledem siebie operacjami komplementarnymi. Transformacja obrazu do postaci heksagonalnej zostala zrealizowana w taki sposób, ze co drugi rzad jest niejako przesuwany o ½ piksela, a nowe piksele sa obliczane na podstawie punktów, które znajdowaly sie w najblizszym sasiedztwie obliczanego punktu w danej linii (srednia arytmetyczna punktów przed- i za- obliczanym punktem). Faza 7 realizowana jest w podobny sposób – w co drugim rzedzie punkty przesuwane sa na swoje miejsca i ponownie obliczane na podstawie wartosci punktów sasiednich. Przeksztalcenie to nie jest oczywiscie w 100% odwracalne i powoduje wygladzenie obrazu (filtracje dolnoprzepustowa), jednak korzysci plynace z lepszego dopasowania jadra przeksztalcenia w dalszym procesie filtracji (w stosunku do tradycyjnej transformaty falkowej) rekompensuja ta niedogodnosc. Faza 2 polega na podziale punktów obrazu na 4 grupy, które po fazie predykcji i dookreslania zostana przeksztalcone w 4 podpasma (patrz rys. 3): • niskoczestotliwosciowe (a) • wysokoczestotliwosciowe zorientowane na zmiany wystepujace w obrazie na osi pochylonej o kat 0 stopni (c0) • wysokoczestotliwosciowe zorientowane na zmiany wystepujace w obrazie na osi pochylonej o kat 60 stopni (c60) • wysokoczestotliwosciowe zorientowane na zmiany wystepujace w obrazie na osi pochylonej o kat 120 stopni (c120) Rys. 3 Schemat liftingu w transformacie heksagonalnej Proces predykcji (faza 3) realizowany jest w taki sposób, ze na podstawie wybranych punktów z pasma bazowego przewidywane sa odpowiednie punkty pozostalych pasm, a nastepnie przewidziane wartosci sa odejmowane od wartosci oryginalnych. Filtr predykcji powinien byc dobrze dopasowany do charakterystyki istotnych diagnostycznie obiektów w obrazie (np. mikrozwapnien). Przyjmuje sie, ze znajdujac sie w centralnym punkcie mikrozwapnienia o charakterystyce zblizonej do dwuwymiarowej funkcji Gaussa próbujemy przewidziec ten punkt na podstawie najblizszego sasiedztwa z pasma bazowego. Majac dobrze dopasowane jadro przeksztalcenia w wyniku filtracji uzyskamy najwieksze wartosci wspólczynników w obszarach najlepiej dopasowanych do charakterystyki filtru, czyli przyjetego modelu obiektów uzytecznych. Daje to informacje w pasmach wysokoczestotliwosciowych o szczególach i wskazuje na potencjalne miejsca wystepowania wzorców istotnych diagnostycznie. Dane o szczególach sa nastepnie uzyte do modyfikacji wartosci w pasmie niskoczestotliwosciowym (chodzi o zachowanie skladowej stalej) w wyniku operacji dookreslania. W niniejszym projekcie zastosowano trzy bloki predykcyjne dla poszczególnych kanalów wysokoczestotliwosciowych (c0, c60 i c120). Wspólczynniki predykcji wynosily odpowiednio 1 /2, 1/8 i –1/16 (model 1) oraz 1 /2, 1/10 i –5/100 (model 2). Wspólczynniki w procesie dookreslenia wynosily 1/8 dla obydwu modeli. Na rys.4 przedstawiono wartosci wspólczynników predykcji (model 1) dla poszczególnych kanalów. Rys. 4 Rozklad wspólczynników predykcji dla kanalów: c0, c60 i c120 Zastosowano adaptacyjna metode modyfikacji wartosci wspólczynników transformaty. Sprawdzane jest otoczenie badanego punktu (w kanalach wysokoczestotliwosciowych). Jezeli srednia z wartosci bezwzglednych otoczenia jest mniejsza od wartosci bezwzglednej badanego punktu, to wartosc tego punktu jest zwiekszana o 30% (A=1.3), dla pozostalych przypadków wartosc nie jest zmieniana (dla B=1) zgodnie ze wzorem: A ⋅ Y Y = Y dla | Y |> α ∑ | xi | xi∈C (1) dla pozostalych gdzie Y – wspólczynnik falkowy, C –kontekst jak na rys. 5, xi – wspólczynniki kontekstu, A dobierana waga wzmocnienia, a - zalezne od skali i polozenia uwydatnienia obiektu. Rys. 5 Sasiedztwo modyfikowanego wspólczynnika transformaty, okreslone jako C we wzorze (1). WYNIKI Przeprowadzono wstepne testy subiektywne oceny jakosci mammogramów bez i z filtracja wstepna z wykorzystaniem heksagonalnych przeksztalcen falkowych z udzialem inzynierów, specjalistów od przetwarzania obrazów. Stwierdzono zauwazalna poprawe jakosci mammogramów, jednak ostatecznym testem weryfikacji beda planowane w najblizszym czasie testy z udzialem radiologów. Rysunki 6 a i b przedstawiaja zaznaczony obszar z wykrytymi mikrozwapnieniami przed i po zastosowaniu filtracji heksagonalnej. Dostrzegalne sa róznice w lokalnym kontrascie w okolicach mikrozwapnien. a) b) Rys. 6 Obrazy mammograficzne: a) bez filtracji, b) po filtracji Efekt poprawy percepcji fragmentu mammogramu zawierajacego mikrozwapnienie przedstawiono na rys. 7. 3300 3300 3200 3200 3100 3100 3000 3000 2900 0 0 2900 5 2800 20 10 15 10 0 10 2800 20 15 5 20 15 10 5 0 Rys. 7 Interpolowany obraz mikrozwapnienia przed i po zastosowaniu filtracji. Dodatkowo, przeprowadzono testy z wykorzystaniem opisanej metody filtracji wstepnej w systemie CAD. Wstepne wyniki pokazuja, ze zastosowanie transformaty heksagonalnej z adaptacyjna metoda modyfikacji wspólczynników moze byc uzyteczne. Ponizsza tabela zawiera wyniki czulosci i wspólczynnika PVP obliczanych w nastepujacy sposób: Czulosc = TP/(TP+FN) PVP = TP/(TP+FP) Subtelnosc Czulosc[%] PVP[%] Czulosc[%] po filtracji PVP[%] po filtracji 1 31 8 69 15 2 60 7 85 34 3 75 14 95 33 4 83 14 92 18 5 100 33 100 30 Widac, ze znacznie polepszaja sie parametry detekcji dla obrazów o duzym stopniu trudnosci rozpoznawania (Subtelnosc = 1, 2 i 3). Niewielka wartosc PVP jest wynikiem zastosowania nowego algorytmu wyznaczania klastrów mikrozwapnien, który jest jeszcze w fazie projektowania. PODSUMOWANIE Podsumowujac mozna stwierdzic, ze stosowanie filtracji przy uzyciu przeksztalcen falkowych jest szczególnie uzasadnione do przetwarzania obrazów mammograficznych. Szczególnie istotna jest tu mozliwosc ingerencji w wybrane obszary obrazu, jak równiez analiza wielorozdzielcza, która ulatwia detekcje obiektów uzytecznych o zróznicowanym rozmiarze, a takze uniezaleznia mozliwosc wykrycia obszaru patologicznego od rozdzielczosci analizowanego obrazu czyniac metode bardziej uniwersalna. 20 BIBLIOGRAFIA 1. Betal D., Roberts N., Whitehouse G.H., (1997), “Segmentation and numerical analysis of microcalcifications on mammograms using mathematical morphology”, British J. of Radiology 70, 903-917 2. Heinlein P., Drexl J., Schneider W., (2003), „Integrated Wavelets for Enhancement of Microcalcifications in Digital Mammography”, IEEE Trans. Medical Imag. 22(3), 402-413 3. http://marathon.csee.usf.edu/Mammography/Database.html 4. A.Przelaskowski (2002), „Falkowe metody kompresji danych obrazowych” Oficyna Wydawnicza Politechniki Warszawskiej 5. Periaswamy S., (1996), „Detection of microcalcification in mammograms using hexagonal wavelets” 6. A.Laine, S.Shuler (2003) „Hexagonal wavelet processing of digital mammography”