Η ψηφιακή τομοσύνθεση στην τρισδιάστατη απεικόνιση μαστών, είναι μια μέθοδος ανακατασκευής οποιουδήποτε αριθμού τομογραφικών επιπέδων τυχαίου προσανατολισμού, στη βάση ψηφιοποιημένων προβολικών εικόνων της εξεταζόμενης περιοχής, που λαμβάνονται κατά την διάρκεια της περιστροφής του συστήματος ακτινολογική λυχνία-ενισχυτής εικόνας με κέντρο το ισόκεντρο του μηχανήματος και κατά το προεπιλεγμένο τόξο. Δυστυχώς, σε περιπτώσεις αυξημένης πυκνότητας μαστών, η ποιότητα των ανακατασκευασμένων επιπέδων επηρεάζεται από θόρυβο, λόγω των επιπροβαλλόμενων στοιχείων υπερκείμενων ή υποκείμενων επιπέδων. Το αντικείμενο που πραγματεύεται η εργασία, είναι η μελέτη διαφόρων τεχνικών επεξεργασίας των τομών, που θα μπορούσαν να αφαιρέσουν το θόρυβο από τα ανακατασκευασμένα επίπεδα και να βελτιώσουν την ποιότητά τους. Για αυτόν το λόγο, δημιουργήθηκαν τρία πειραματκά phantoms διαφορετικής πολυπλοκότητας, στα οποία προστέθηκαν δυσμορφίες που αντιπροσωπεύουν μικρές ασβεστοποιήσεις και μάζες χαμηλής αντίθεσης. Στη συνέχεια, υποβλήθηκαν στην προσομειωμένη απεικόνιση με ακτίνες Χ, προκειμένου να παραχθεί ένα σύνολο προβολικών εικόνων σε τόξο εύρους από -20° έως +20° κάθε 2°. Οι ακτινοβολημένοι όγκοι ανακατασκευάστηκαν μέσω του αλγόριθμου πολλαπλών προβολών (MPA), γραμμένο σε Matlab. Οι ανακατασκευασμένες φέτες έχουν πλάτος λιγότερο από 1mm, προκειμένου να ανιχνευθούν μικρές ασβεστοποιήσεις. Αναπτύχθηκαν και αξιολογήθηκαν πειραματικά δύο αλγόριθμοι για την περαιτέρω επεξεργασία των λαμβανόμενων τομών. Ο πρώτος είναι βασισμένος στην λογαριθμική μέθοδο αφαίρεσης δομών που βρίσκονται εκτός επιπέδου ενδιαφέροντος, συνδυάζοντας τεχνικές τονισμού της εικόνας. Η δεύτερη τεχνική εκτελεί το φιλτράρισμα της εικόνας, συγκρίνοντας τις τιμές των pixel, σε όλο τoν όγκο προς ανακατασκευή. Η ποιότητα της εικόνας καθορίστηκε μέσω της οπτικής αξιολόγησης των ανακατασκευασμένων επιπέδων καθώς και τον υπολογισμό του CNR. Και οι δύο αξιολογήσεις κατέδειξαν καλή διαχωριστική και αφαίρετική ικανότητα του τομογραφικού θορύβου. Το MPA σε συνδυασμό με τους προτεινόμενους αλγορίθμους αφαίρεσης θορύβου, μείωσε τον τομογραφικό θόρυβο στις ανακατασκευασμένες εικόνες και αύξησε το CNR. Περαιτέρω μελέτες θα περιλαμβάνουν την ανάπτυξη ενός γενικευμένου αλγορίθμου αφαίρεσης θορύβου που θα συνδυάσει τις προτεινόμενες δύο τεχνικές. / Digital tomosynthesis for breast imaging is a method of reconstructing any number of tomographic planes, by using a set of limited angle projections, acquired as the X-ray source moves in an arc around the breast. Unfortunately, in case of dense breasts, the quality of the reconstructed planes is affected by structured noise, due to blur from planes other than the fulcrum plane. The purpose of this project is to study different post-processing techniques that could remove the noise from the reconstructed planes and improve their quality. For this purpose, three software phantoms of different complexity with inserted abnormalities that represent small micro calcifications and low-contrast masses were created. Subsequently, they were subjected to x-ray imaging simulation in order to produce a set of projection images in the gantry arc from -200 to 200 every 20. The irradiated volumes were reconstructed with the Multiple Projections reconstruction Algorithm (MPA) written in Matlab. Reconstructed slices were with width of less than 1mm width, in order to detect the small microcalcifications. Two algorithms for removing unwanted structured noise were explored. The first one is based on the iterative logarithmic subtraction method of unrelated structures combined with image enhancement techniques. The second technique performs a filtering action based on a pixel intensity value comparison, throughout the phantom volume. Image quality was assessed by evaluation of the reconstructed planes in terms of both visual assessment and contrast to noise ratio (CNR). Both evaluations demonstrated good noise discrimination and elimination, followed by an improvement of the contrast and visibility of abnormalities in tomograms. The MPA followed by the proposed noise removal algorithms resulted in less noisy tomosynthesis images, higher CNR and feature contrast for both low- and high contrast details. Further studies include developing of a generalised noise removal algorithm that will combine the proposed two techniques.

The purpose of this study is the comparison of methods of image enhancement kinetics in breast MRI tomography, according to 4 models, that analyze dynamic image series. Specifically, the following models have been implemented: (a) the Kuhl empirical approach, (b) a 3-parameter empirical model, (c) the 3 parameter mathematical model of Jansen and (d) the 5-parameter mathematical model of Fan. These models have been tested in a classification task of breast lesions (benignity/malignancy), using a k-ΝΝ (k=3 and k=7) classifier. A case sample of 29 benign and 49 malignant lesions, originating from 1.5T system, were analyzed. A graphical user interface has been implemented, intended as a visual aid to guide the identification of the location of the analyzing Region of Interest (ROI) of the lesion. In this study, the enhancement kinetic features of the two empirical models, as well as the primary and the secondary kinetic features of the two mathematical models were calculated. For proper ROI selection, 2 feature maps (a) the initial enhancement and (b) the 3 Time Point (3TP) kinetic map (Hauth et al. 2006), were utilized as pre-processing step. To evaluate the classification performance, indices such as sensitivity, specificity and accuracy were utilized. Employing the initial enhancement map, classification performance obtained for Kuhl empirical approach (Kuhl et al. 1999), the 3-parameter empirical model, the mathematical model of Jansen et al (Jansen et al. 2008) and the mathematical model of Fan (Fan et al. 2004, 2007) was: (0.87, 0.34, 67.9%), (0.81, 0.65, 70.5%), (0.85, 0.55, 70.5%) and (0.81, 0.58, 67.9%), respectively. Classification results employing the 3TP kinetic map for the Kuhl empirical approach (Kuhl 1999), 3-parameter empirical model, the mathematical model of Jansen and the mathematical model of Fan were: (0.95, 0.58, 82.0%), (0.95, 0.82, 84.6%), (0.85, 0.68, 78.2%) and (0.93, 0.79, 79.4%), respectively. In conclusion, the 3TP kinetic contributed in the proper location of the analyzing ROI and subsequently in the improved classification of malignant from benign lesions for all enhancement kinetic models studied. / Σκοπός της παρούσας εργασίας είναι η σύγκριση μεταξύ μεθόδων ανάλυσης της κινητικής του σκιαγραφικού στην μαγνητική τομογραφία μαστού, σύμφωνα με 4 μοντέλα ανάλυσης που αξιοποιούν τα απεικονιστικά δεδομένα δυναμικών ακολουθιών εικόνων. Συγκεκριμένα, υλοποιήθηκαν: (α) η εμπειρική προσέγγιση Kuhl et al. (Kuhl et al. 1999), η οποία χρησιμοποιεί 1 ποσοτικό δείκτη της αρχικής ενίσχυσης του σήματος και ποιοτική εκτίμηση της κινητικής του σκιαγραφικού στη φάση έκπλυσης, (β) ένα εμπειρικό μοντέλο 3 ποσοτικών δεικτών που ποσοτικοποιούν την πρόσληψη και έκπλυση, (γ) το 3-παραμετρικό εμπειρικό μαθητικό φαρμακοκινητικό μοντέλο των Jansen et al. (Jansen 2008), (δ) το 5-παραμετρικό εμπειρικό φαρμακοκινητικό μαθητικό μοντέλο των Fan et al. (Fan et al. 2004, 2007), στα πλαίσια ταξινόμησης αλλοιώσεων του μαστού (καλοήθεια/κακοήθεια) με χρήση ταξινομητή k-ΝΝ (k=3 και k=7). Μελετήθηκαν 29 καλοήθεις και 49 κακοήθεις αλλοιώσεις, και οι λήψεις των εικόνων έγιναν από 1.5 T μαγνητικό τομογράφο. Υλοποιήθηκε γραφικό περιβάλλον διεπαφής (Graphical User Interface-GUI), προτεινόμενο ως εργαλείο υποβοήθησης για την επιλογή της τοποθέτησης της περιοχής ενδιαφέροντος για την αξιολόγηση των κινητικών χαρακτηριστικών της αλλοίωσης. Στα πλαίσια της παρούσας μελέτης, υπολογίστηκαν τα κινητικά χαρακτηριστικά για τα δύο εμπειρικά μοντέλα καθώς και τα πρωτεύοντα και δευτερεύοντα χαρακτηριστικά για τα μαθηματικά μοντέλα. Για την επιλογή της περιοχής ενδιαφέροντος υλοποιήθηκαν: (α) ένας κινητικός χάρτης πρώιμης ενίσχυσης σήματος, (β) ο κινητικός χάρτης 3TP (Hauth et al. 2006), οποίος εκφράζει τη συνολική κινητική του σκιαγραφικού. Για την αξιολόγηση της απόδοσης ταξινόμησης (διαφοροποίηση καλοήθειας/κακοήθειας) χρησιμοποιήθηκαν οι δείκτες ευαισθησία, ειδικότητα και ακρίβεια. Με χρήση του χάρτη πρώιμης ενίσχυσης για την επιλογή της περιοχής ενδιαφέροντος, η απόδοση ταξινόμησης, του εμπειρικού μοντέλου Kuhl et al. (1999), του εμπειρικού μοντέλου των 3 παραμέτρων, του μαθηματικού μοντέλου Jansen και του μαθηματικού μοντέλο Fan (Fan et al. 2004, 2007) ήταν: (0.87, 0.34, 67.9%), (0.81, 0.65, 70.5%), (0.85, 0.55, 70.5%) και (0.81, 0.58, 67.9%), αντιστοίχως. Με χρήση του κινητικού χάρτη 3TP η απόδοση ταξινόμησης του εμπειρικού μοντέλου Kuhl (Kuhl et al. 1999), του εμπειρικού μοντέλου των 3 παραμέτρων, του μαθηματικού φαρμακοκινητικού μοντέλου Jansen et al. (Jansen et al. 2008) και του μαθηματικού φαρμακοκινητικού μοντέλου Fan (Fan et al. 2004, 2007) ήταν: (0.95, 0.58, 82.0%), (0.95, 0.82, 84.6%), (0.85, 0.68, 78.2%) και (0.93, 0.79, 79.4%), αντιστοίχως. Συμπερασματικά, χρήση του κινητικού χάρτη 3TP συνεισφέρει σε ορθότερη επιλογή της θέσης της περιοχής ενδιαφέροντος προς ανάλυση, βελτιώνοντας αποτελέσματα της ταξινόμησης των κακοηθών από καλοήθεις αλλοιώσεις για όλα τα μοντέλα κινητικής σκιαγραφικού που μελετήθηκαν.

This Master Thesis presents a novel classification approach for microcalcifications (MCs) extracted from core biopsy tissue samples digitized using micro-CT, a high-resolution 3D imaging modality. MCs are tiny spots of calcium that may occur in the female breast. Although they are common in healthy woman, they are often an early sign of breast cancer. The shape of the MCs is an important factor used to discriminate between benign and malignant abnormalities. However, the current standard imaging modalities (i.e. mammography) are not efficient for a clear shape based analysis. In case of suspiciousness, a biopsy is conducted and the extracted tissue is anatomopathologically investigated for the presence of cancer cells. Nevertheless, only 20-35% of biopsies turn out to be positive. As such, the question whether some unnecessary biopsies can be avoided if the shape of the MCs could be analysed in more detail has been raised. In addition, the MCs themselves are not analysed, but they are characterised as benign (or malignant) according to whether they were found into a benign (or malignant) tissue. As a result, there is a ground truth for the tissue samples but not for the individual MCs. So, when a classifier of a Computer Aided Diagnosis System will be asked to classify a MC according to its shape, there will be a degree of ambiguity and uncertainty. This master thesis investigates whether the use of a clustering method as a preprocessing step before training the classifier could avoid the ground truth issues and could improve the obtained classification results. / Η παρούσα μεταπτυχιακή εργασία παρουσιάζει μια νέα μέθοδο για την ταξινόμηση μικροαποτιτανώσεων μαστού που έχουν εξαχθεί από βιοψίες και έχουν ψηφιοποιηθεί με χρήση micro-CT, μια υψηλής ανάλυσης, τρισδιάστατη τεχνική απεικόνισης. Οι μικροαποτιτανώσεις (ή αλλιώς μικροασβεστώσεις) αποτελούν μικρά αποθέματα ασβεστίου στον μαστικό αδένα. Παρόλο που μπορεί να εμφανιστούν και σε υγιείς γυναίκες, μπορούν να αποτελέσουν ένα πρώιμο σημάδι καρκίνου του στήθους. Το σχήμα είναι ένας από τους σημαντικότερους παράγοντες ο οποίος βοηθάει στη διάκριση ανάμεσα σε καλοήθεις και κακοήθεις μικροασβεστώσεις, ωστόσο δεν μπορεί να απεικονιστεί επαρκώς μέσω των στανταρ απεικονιστικών τεχνικών (μαστογραφία). Σε περίπτωση υποψίας κακοήθειας, διεξάγεται βιοψία με σκοπό την απομάκρυνση ιστού από την ύποπτη περιοχή και την ανατομοπαθολογική του εξέταση για την παρουσία καρκινικών κυττάρων. Ωστόσο, μονο το 20%-35% των βιοψιών αποδεικνύονται κακοήθεις. Ως εκ τούτου, έχει τεθεί το ερώτημα κατά πόσο μπορούν να αποφευχθούν οι μη απαραίτητες βιοψίες εάν το σχήμα των μικροασβεστώσεων μπορούσε να μελετηθεί πιο λεπτομερώς. Επιπροσθέτως, οι μικροασβεστώσεις αυτές καθ’ εαυτές δεν αναλύονται αλλά χαρακτηρίζονται ως καλοήθεις (ή κακοήθεις) με βάση το αν βρέθηκαν μεσα σε καλοήθες (ή κακοήθες) ιστό. Ως αποτέλεσμα, υπάρχει βάση αναφοράς για τα δείγματα ιστού αλλά όχι για τις μικροασβεστώσεις. Έτσι, όταν ζητηθεί από έναν ταξινομητή ενός συστήματος υποβοηθούμενης διάγνωσης με υπολογιστή να ταξινομήσει μικροασβεστώσεις με βάση το σχήμα τους υπάρχει ένα μεγάλο ποσοστό ασάφειας και αβεβαιότητας. Αυτή η μεταπτυχιακή εργασία έχει σκοπό να ερευνήσει εάν η εισαγωγή ενός βήματος συσταδοποίησης πριν αυτού της ταξινόμησης μπορεί να αποφύγει το πρόβλημα έλλειψης βάσης αναφοράς και να βελτιώσει τα αποτελέσματα της ταξινόμησης.

Αντικείμενο της παρούσας εργασία είναι ο υπολογισμός και η ταξινόμηση, με βάση το σύστημα, BIRADS της πυκνότητας του μαστού από εικόνες μαστογραφίας. Στα πλαίσια της προσπάθειας αυτής αναπτύχθηκε ολοκληρωμένο υπολογιστικό σύστημα σε γραφικό περιβάλλον ως λογισμικό πακέτο, σε γλώσσα Visual C++ .NET . Το υπολογιστικό αυτό σύστημα δέχεται σαν είσοδο εικόνες μαστογραφίας σε οποιοδήποτε από τα δημοφιλή bitmap format εικόνων όπως jpeg και tiff καθώς και DICOM αρχεία. Η λειτουργία του μπορεί να χωριστεί σε τρία στάδια: το στάδιο της προεπεξεργασίας, το στάδιο απομόνωσης της περιοχής του μαστού και το στάδιο καθορισμού της πυκνότητας του μαστού. Στο πρώτο στάδιο παρέχονται μια σειρά από στοιχειώδη εργαλεία επεξεργασίας εικόνας όπως εργαλεία περιστροφής, αποκοπής και αλλαγής αντίθεσης . Επιπρόσθετα παρέχεται η δυνατότητα Ανισοτροπικού Φιλτραρίσματος της εικόνας. Στο δεύτερο στάδιο γίνεται η απομόνωση της περιοχής του μαστού είτε απευθείας από τον χρήστη είτε αυτόματα με χρήση των ιδιοτήτων του μονογονικού (monogenic) σήματος για την αφαίρεση του παρασκηνίου (background) καθώς και κυματιδίων Gabor για τον διαχωρισμού του θωρακικού μυός. Στο τρίτο στάδιο παρέχεται η δυνατότητα ταξινόμησης της πυκνότητας του μαστού από τον χρήστη με τον καθορισμό κατάλληλου κατωφλίου των επιπέδων γκρίζου της εικόνας αλλά και η δυνατότητα αυτόματης ταξινόμησης της πυκνότητας του μαστού κατά BIRADS με χρήση Δομικών Στοιχείων Υφής (textons) και της τεχνικής pLSA. Όλες οι παραπάνω λειτουργίες παρέχονται μέσω μίας κατά το δυνατόν φιλικότερης προς τον χρήστη διεπαφής. / The present thesis aims at the classification of breast tissue according to BIRADS system based on texture features. To this end an integrated software system was developed in visual C ++. The system takes as inputs pictures in most of the popular bitmap formats like .jpeg and .till as well as DICOM. The functionality of the system is provided by three modules: (a) pre-processing module, (b) breast segmentation module and (c) the breast tissue density classification module. In the pre-processing module a set tools for image manipulation (rotation, crop, gray level adjustment) are available which are accompanied by the ability to perform anisotropic filtering to the input image. In the second module, the user has the ability to interactively define the actual borders of the breast or ask the system to perform it automatically. Automatic segmentation is a two step procedure; in the first step breast tissue is separated from its background by using the characteristics of monogenic signals, while in the second step the pectoral muscle region is subtracted using Gabor wavelets. In the density classification module the user can either ask for a calculation of breast density based on user-defined grey level threshold or perform an automatic BIRADS-based classification using texture characteristics in conjunction with Probabilistic Latent Semantic Analysis (pLSA) algorithm. Special emphasis was given to the development of a functional and user-friendly interface.