Mamografi görüntülerinde matematiksel morfolojik filtreleme ile gürültü giderme ve kontrast iyileştirme

thumbnail.default.placeholder
Tarih
2020-04-05
Yazarlar
Türker, Büşra
Süreli Yayın başlığı
Süreli Yayın ISSN
Cilt Başlığı
Yayınevi
Fen Bilimleri Enstitüsü
Institute of Science and Technology
Özet
Kanser; hücrelerin orantısız olarak çoğalması şeklinde tanımlanan, günümüzde dünya genelinde en yaygın görülen ve ölümle sonuçlanabilen ciddi bir hastalık grubudur. Dünya genelinde, kadınlarda en sık görülen ve mortalite oranı en yüksek olan kanser meme kanseri olarak ortaya çıkmaktadır. Dünya sağlık örgütünün 2018 yılı verilerine göre dünya genelindeki kadınlarda görülen kanserlerin %46,3 oranını meme kanseri oluşturmuş ve bunların %13'lük kısmı mortalite ile sonuçlanmıştır (WHO, 2019). Kadınlar için ciddi bir tehdit oluşturan meme kanserini yenmek için erken teşhisin önemi bilinen bir gerçektir. Kadınların düzenli olarak kendini muayene ve meme taraması yapmaları erken teşhis sürecinde önemli rol oynamaktadır. Teşhis ve tarama için bazı meme görüntüleme teknikleri geliştirilmiş ve klinikte bunların en yaygın kullanımı mamografi meme görüntüleme tekniği olarak ortaya çıkmıştır. Tüm bunların sonucu olarak, mamografi görüntülerinde kanser teşhisi ve görüntü geliştirme çalışmaları geçmişten günümüze önemini korumaktadır. Karmaşık mamografi görüntülerini nicel olarak yorumlamak, insan gözüyle neredeyse hiç algılanamayan yapısal özellikler sebebiyle oldukça zordur. Bu nedenle görüntülerin, segmentasyon veya yorumlamaya hazır hale getirilmesi için, gürültü giderme, kontrast geliştirme gibi ön işlemeye tabi tutulması gerekmektedir. Literatürde çoğunlukla bu ön işleme adımları uygulanmış ve bunun için çeşitli filtreleme teknikleri kullanılmıştır. Segmentasyon, gürültü temizleme ve kontrast iyileştirme için çoğunlukla tercih edilen yöntem morfolojik filtreleme yöntemidir. Bu tezde, meme görüntüsünde mikrokalsifikasyon, lezyon veya kitle gibi yapıların yorumunu kolaylaştırmak ve teşhis doğruluğunu arttırmak amacıyla kontrast geliştirme ve gürültü giderme için matematiksel morfolojik filtreleme yöntemi tercih edilmiştir. Biçim bilim olarak dilimize çevrilen morfolojik filtre, matematiksel olarak görüntülemede kenar ve iskelet gibi bölgesel şekillerin görüntü bileşenlerini elde etmek için kullanılan teknikleri tanımlamaktadır. Bu teknikler; aşındırma, genişletme, açma, kapama ve morfolojik iskeletler gibi operatörleri kapsamaktadır (Gonzalez ve Woods, 2002, s. 519). Morfolojik filtre; paralel ve basit şekilde uygulanabilmesi, sinyallerin geometrik özellikleri üzerinde konumsal ve doğrusal olmayan şekilde çalışabilmesi, nesne kenarını ve şeklini kenar keskinliğini koruyarak hatta doğrusal uzaysal filtreleme esaslı işleme durumunda olduğu gibi kenar pozisyonunu değiştirmeden koruma kabiliyetine sahip olması açısından oldukça avantajlıdır ve bu nedenle literatürde sıklıkla tercih edilmiştir (Chen ve diğ, 1997). Morfolojik filtre, mamografide kitlenin biçimsel özelliklerini çıkarmak için kullanılan temel filtrelerden biri haline gelmiştir. Literatürde; segmentasyon, gürültü giderme, kontrast geliştirme, mikrokalsifikasyon boyut ve konum tespiti, meme hattı ve pektoral kas çıkarma gibi birçok amaç uğruna kullanılmıştır. Mikrokalsifikasyon kitle tespiti adına yapılan ve öne çıkan çalışmalardan birinde Dengler ve ekibi, gürültü giderme ve mikrokalsifikasyonların boyut tespiti için ağırlıklı fark Gauss filtresini, mikrokalsifikasyonların şeklinin üretilmesi için ise morfolojik filtreyi kullanmıştır (Dengler ve diğ, 1993). Kobatake ve ekibi ise, tümör tespiti için iris filtresini, gürültü bastırma ve mikrokalsifikasyon tespiti için ise morfolojik analiz yöntemini kullanmıştır (Kobatake ve diğ, 1993). Morfolojik filtre ayrıca, meme derisi hat segmentasyonu ve pektoral kas çıkarma için de tercih edilmiştir. Deri-hava ara yüzü tespitine yönelik çalışmada Mustra ve Grgic, kontrast geliştirme ve kenar algılama operatörlerini içeren yaklaşımlar sunmuştur. Çalışmada, kontrast geliştirme yöntemi olarak, uyarlanır histogram eşitleme yöntemi (Adaptive Histogram Equalization, AHE) ve kenar tanıma operatörleri; konum tespiti, gürültü filtreleme ve segmentasyon için ise matematiksel morfoloji kullanılmıştır (Mustra ve Grgic, 2013). Mamografi görüntülerinde, matematiksel morfolojik filtrelemenin bir diğer rolü kontrast geliştirmedir. Bu çalışmada da temel amaç olarak nitelendirilen kontrast geliştirme adına yapılan çalışmalardan birinde; Gunturu ve Sharma, modifiye edilmiş matematiksel morfoloji yöntemini kullanmıştır (Gunturu ve Sharma, 2010). Öne çıkan çalışmalardan bir diğerinde Kimori, kontrast geliştirmeye dair rotasyonel morfolojik filtreleme adı verilen matematiksel morfolojiye dayanan bir tür yöntem kullanmıştır (Kimori, 2013). Yang ve ekibi mikrokalsifikasyonları tespit etmek için bir yöntem önermişler ve ön işleme adımında kontrast geliştirmek için matematiksel morfoloji ve doğrusal olmayan bir dönüşüm kullanmıştır (Yang ve diğ, 2016). Literatürde öne çıkan yöntemlerde görüldüğü üzere, farklı amaçlar için kullanılan ve başarısı kanıtlanan matematiksel morfolojik filtre bu çalışmada gürültü temizleme ve kontrast geliştirme amacıyla kullanılmış ve yöntemin başarısı matematiksel ve öznel olarak kanıtlanmıştır. Bu tezde, klasik morfolojik filtreleme yöntemlerinin aksine Peters'in gürültü filtreleme amacıyla önerdiği ve başarısını görsel ve matematiksel olarak çalışmasında kanıtladığı matematiksel morfoloji algoritması temel alınmıştır (Peters, 1995). Yapılan birçok çalışmanın aksine bu çalışmada sonuçlar uzman radyolog tarafından yorumlanmıştır. Önerilen çalışmanın etkisini görmek için literatürde kontrast geliştirme ve gürültü giderme için yaygın olarak kullanılmış dört kıyas filtresi seçilmiştir. Bu filtreler; CLAHE filtresi, BEASF filtreleme, homomorfik filtreme ve bulanık maskeleme filtresi yöntemleridir. Orijinal görüntü ile beraber kıyas filtrelerinin görüntü sonuçları ve önerilen filtrenin görüntü sonuçları uzman radyolog tarafından karşılaştırmalı olarak yorumlanmış ve önerilen yöntemin kıyas filtrelerinden daha başarılı olduğu ispatlanmıştır. Uzman radyoloğa göre, BEASF ve homomorfik filtreleme yöntemlerinin kontrast çözünürlüğünü gereğinden fazla arttırarak lezyonları parlattığı ve tanıyı zorlaştırdığı gözlenmiştir. CLAHE ve bulanık maskeleme filtrelerinin ise kontrast çözünürlüğünü gerekli ölçüde arttırdığı ancak uzaysal çözünürlüğü azaltarak tanıyı negatif yönde etkilediği gözlenmiştir. Yalnızca matematiksel morfolojik filtrenin kontrast ve uzaysal çözünürlüğü istenilen ölçüde arttırdığı, mikrokalsifikasyon ve lezyonlarının seçiciliğini olumlu yönde etkilediği sonucuna varılmıştır. Yöntemin tek dezavantajı ise yağ lobullerinin görünürlüğünü de arttırmasıdır ancak bunun teşhise negatif etkisi yoktur. Yöntemin öznel ispatının yanında matematiksel olarak başarısının ispatlanması için ise CNR değerleri hesaplanmıştır. Uzman radyolog tarafından seçilen ilgili bölgelerdeki kontrast gelişimi, CNR formülü kullanılarak hesaplanmış ve önerilen yöntemin matematiksel başarısı kanıtlanmıştır. Önerilen filtrenin CNR sonuçları, bazı görüntülerde orijinale kıyasla yüksek çıkmışken bazı görüntülerde durağan kalmıştır fakat önerilen filtrede tüm kıyas filtrelerinden daha yüksek sonuçlar elde edildiği için daha başarılı olduğu görülmüştür. Anahtar Kelimeler: Mamografi, CLAHE filtresi, BEASF filtresi, Homomorfik filtreleme, Bulanık maskeleme filtresi, Matematiksel morfolojik filtre, CNR
Cancer is a serious disease group that is defined as the disproportionate growth of cells and is the most widespread and fatal disease worldwide. The most common cancer in women worldwide and the highest mortality rate emerges as breast cancer. According to the 2018 data of the world health organization, breast cancer constituted 46.3% of the cancers seen in women worldwide and 13% of them resulted in mortality (WHO, 2019). It is a well-known fact that early diagnosis is important to overcome breast cancer, which poses a serious threat to women. Regular self-examination and breast screening of women play an important role in the early diagnosis process. Some breast imaging techniques have been developed for diagnosis and screening, and their most common use in the clinic is the mammography breast imaging technique. As a result of all these, cancer diagnosis and image enhancement studies in mammography images remain important from past to present. Quantitative interpretation of complex mammography images is difficult due to the structural features that are hardly perceptible to the human eye. For this reason, the images must be pre-processed such as noise removal, contrast enhancement to be ready for segmentation or interpretation. In the literature, these pre-treatment steps are mostly applied and various filtering techniques are used for this. The most preferred method for segmentation, noise removal and contrast enhancement is the morphological filtering method. In this thesis, mathematical morphological filtering method was preferred for contrast enhancement and noise removal to facilitate the interpretation of structures such as microcalcification, lesion or mass in the breast image and increase diagnostic accuracy. In mathematical meaning, the morphological filter which is translated into our language as a "form of science" defines the techniques used to obtain the image components of regional shapes such as edge and skeleton in imaging. These techniques include operators such as erosion, dilation, opening, closing and morphological skeletons (Gonzalez & Woods, 2002, p. 519). The benefit of applying morphological filtering is that such filters are often with simplicity, parallel implementation possibility, can have an impact locally and nonlinearly on geometric features of signals and ability in conserving object edge and shape without blurring edge or even changing edge position as usually in linear spatial filtering-based processing, and is therefore often preferred in the literature. (Chen et al, 1997). The morphological filter has become one of the basic filters used in mammography to extract the formal features of the mass. In the literature, it has been used for many purposes such as segmentation, noise removal, contrast enhancement, microcalcification size and position determination, breast line and pectoral muscle removal. In one of the outstanding studies conducted for microcalcification mass detection Dengler and his team have used the weighted difference Gauss filter for noise removal and size determination of microcalcifications, and morphological filter to produce the shape of microcalcifications (Dengler et al., 1993). Kobatake and his team have used the iris filter for tumour detection and morphological analysis method for noise suppression and microcalcification detection (Kobatake et al, 1993). The morphological filter is also preferred for breast skin line segmentation and pectoral muscle removal. In the study on skin-air interface detection, Mustra and Grgic have presented approaches that include contrast enhancement and edge detection, operators. In the study, adaptive histogram equalization method (Adaptive Histogram Equalization, AHE) and edge recognition operators were used as contrast enhancement, and mathematical morphologic filter for noise filtering, location determination, and segmentation (Mustra & Grgic, 2013). Another role of mathematical morphological filtering in mammography images is contrast enhancement. One of the studies carried out for contrast enhancement, which is described as the main goal in this study; Gunturu and Sharma have used the modified mathematical method of morphology (Gunturu and Sharma, 2010). In another prominent study, Kimori has used a method based on mathematical morphology called rotational morphological filtering for contrast enhancement (Kimori, 2013). Yang and his team have proposed a method to detect microcalcifications and used mathematical morphology and nonlinear transformation to improve contrast in the pre-processing step (Yang et al., 2016). As seen in the distinguished methods in the literature, the mathematical morphological filter used for different purposes and proven success has been used for noise-cleaning and contrast enhancement in this study, and the success of the method has been proven mathematically and subjectively. In this thesis, contrary to classical morphological filtering methods, it is based on the mathematical morphology algorithm that Peters suggested for noise filtering and proved its success visually and mathematically (Peters, 1995). Unlike the many studies, the results were interpreted by the expert radiologist in this study. To see the effect of the proposed study, four commonly used filters for contrast enhancement and noise cancellation were selected from the literature. These filters are; CLAHE filter, BEASF filter, homomorphic filter, and unsharp masking filter methods. The image results of the comparison filters along with the original image and the image results of the proposed filter have been interpreted comparatively by the expert radiologist and the proposed method has been proved to be more successful than the comparison filters. According to the expert radiologist, it has been observed that BEASF and homomorphic filtering methods increase the contrast resolution more than necessary, brightening the lesions and making the diagnosis difficult. CLAHE and unsharp masking filters, on the other hand, were observed to increase contrast resolution significantly, but negatively affect the diagnosis by decreasing spatial resolution. It is concluded that only the mathematical morphological filter increases the contrast and spatial resolution to the desired extent and positively affects the selectivity of microcalcification and lesions. The only drawback of the method is that the proposed filter also increases the visibility of fat lobes, but this has not negative effect on diagnosis. In addition to subjective proof of the method, CNR values were calculated to prove mathematical success. Contrast development in the relevant regions selected by the expert radiologist was calculated using the CNR formula and the mathematical success of the proposed method was proved. The CNR results of the proposed filter were higher in some images compared to the original, but remained stationary in some images, but were found to be more successful because higher results were obtained from all comparison filters in regard of the proposed filter. Keywords: Mamography, CLAHE filter, BEASF filter, Homomorphic filtering, Unsharp masking filter, Mathematical morphological filter, CNR
Açıklama
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2020
Tez (Yüksek Lisans)-- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2020
Anahtar kelimeler
Matematiksel morfolojik filtreleme, Kanser, Mamografi, Mathematical morphologic filtering, Cancer, Mammographic
Alıntı