DUGi

Case-level detection of mammographic masses

http://dugi.udg.edu/item/http:@@@@hdl.handle.net@@10256@@15773

This thesis is focused on the automatic detection of masses in FFDM images by using case-level information which includes bilateral, temporal and/or ipsilateral information. As a first step, FFDM images are preprocessed to improve image quality. A novel enhancement method is applied to compensate the thickness reduction in peripheral edges of the breast. Following, B-Splines image registration with Affine initialisation is used to obtain bilateral and temporal information that is incorporated in the detection stage. Finally, CC/MLO correspondence approach based on using curved epipolar lines is used in the FP stage. Furthermore, in order to add breast density information to the detection process, different methods for breast density assessment are analysed. Both, qualitative and quantitative methods are proposed and evaluated. Initial results show a better performance of the multi-image CAD approach relative to the single-image CAD approach. Sensitivity increases and the number of FPs is reduced

L’objectiu d’aquesta tesi és la detecció automàtica de masses en imatges mamogràfiques digitals fent servir informació mamogràfica bilateral, temporal i ipsilateral del pacient. Primerament, les imatges són preprocessades mitjançant un nou mètode que compensa la reducció del gruix mamari a la part perifèrica de la mama i així millora la seva qualitat. A continuació, per a obtenir la informació bilateral i temporal que s’incorporarà durant el procés de detecció, es fa servir el registre afí seguit del registre B-Splines. Finalment, la correspondència entre les vistes CC i MLO basada en l’ús de línies epipolars s’utilitzarà durant la part de reducció de falsos positius. Per tal d’afegir informació sobre la densitat de la mama analitzada, diferents mètodes d’avaluació de densitat mamària, tant qualitatius com quantitatius, han estat proposats i avaluats. Els resultats inicials mostren que el CAD multi-imatge incrementa la seva sensibilitat i redueix el nombre de falsos positius respecte l’uni-imatge

Universitat de Girona