Mathematische modelwaarnemers voor de kwaliteitswaarborging in borstbeeldvorming

Vroege opsporing en behandeling van borstkanker via screening dient om het sterftepercentage te beperken. Borstkankerscreening gebeurt typisch met behulp van tweedimensionale digitale mammografie (DM). Hierbij wordt een 2D projectie van de borst  gemaakt. De grootste beperking van deze 2D methode is dat gezond weefsel mogelijks kwaadaardig weefsel kan verbergen of dat overlappend goedaardig weefsel er opeens verdacht kan uitzien. Om dit nadeel te beperken, werd digitale borsttomosynthese (DBT) ontwikkeld. In DBT worden meerder 2D projecties van de borst genomen onder verschillende hoeken. Deze projecties kunnen dan gereconstrueerd worden naar een pseudo-3D volume. Dit laat visualisatie van verschillende doorsnedes door de borst toe, wat deels het probleem van overlappend weefsel in 2D oplost.

De grootste radiologische indicaties voor borstkanker zijn grote lage contrast vormen (laesies) en zeer kleine hoge-contrast objecten (microcalcificaties) in een soms erg complexe borstweefsel achtergrond. Detectie van borstkanker is uitdagend zowel voor de radioloog als technologisch. Voor zowel DBT als voor DM is de diagnostische informatie omgekeerd gecorreleerd met de stralingsdosis gebruikt. Daarom wordt de stralingsdosis gekozen opdat deze zo laag mogelijk is zonder noodzakelijke diagnostische informatie te verliezen. Om aan deze voorwaarde te voldoen wordt het mammografie systeem halfjaarlijks getest op beeldkwaliteit en stralingsdosis. Met behulp van onderzoek wordt naar de beste balans tussen diagnostische informatie en stralingsdosis gezocht. Evaluatie van de beeldkwaliteit gebeurt typisch met beelden van testobjecten die kritische opdrachten bevatten end die geëvalueerd worden met behulp van leesstudies. Ondanks dat deze leesstudies de Gouden standaard zijn, vergen ze erg veel tijd, zeker als er veel paramaters betrokken zijn. Voor sommige optimalisatiestudies kunnen ze het knelpunt zijn van de studie. Deze thesis is toegewijd aan het ontwikkelen van een geautomatiseerde methode voor de evaluatie van beeldkwaliteit. Menselijke waarnemers werden vervangen door wiskundige modelwaarnemers  voor de kwaliteitswaarborging in borstbeeldvorming.

De statistische modelwaarnemers en meer specifiek de ‘channelized Hotelling Observer’ (CHO) zijn mathematische operaties die gebaseerd zijn op de statistische eigenschappen van de pixelwaarde in het beeld. Een mogelijke toepassing, na een specifieke aanpassing van het algoritme, is het schatten van de systeemprestatie wat betreft detecteerbaarheid van specifieke structuren in het beeld. In onze groep werd recent een 3D gestructureerd fantoom ontwikkeld. Het is aangetoond dat via menselijke waarnemers dit fantoom kan gebruikt worden om beeldkwaliteit van zowel DBT als DM systemen te evalueren voor verschillende meetomstandigheden.  De hypothese in dit werk is dat een afgestemde CHO kan gebruikt worden om de menselijke resultaten te voorspellen. Dit zou het beoordelen van de beeldvormingssystemen sneller en objectiever maken. 

De eerste stap was het bestuderen en evalueren van het effect van verschillende componenten op de prestatie van de CHO voor lage contrast laesies, de ‘non-spiculated’ massa’s. De ontwikkelde CHO kon succesvol, met hoge correlatie, de menselijke resultaten voorspellen voor een Siemens DBT systeem. Wanneer de CHO toegepast werd op andere fabrikanten, hadden de resultaten echter een slechte correlatie met de menselijke response. Om een goede veralgemening naar andere DBT systemen te garanderen werden de CHO kanalen verbeterd zodat ze het frequentiebereik constant hield ongeacht de pixelgrootte. De eerste vergelijkende studie tussen alle commerciële DBT systemen werd uitgevoerd. In een volgende stap lag de focus op de kleine objecten met hoog contrast, de microcalcificaties.  De CHO moest hiervoor aangepast worden, aangezien de vorm erg verschilt van de grote laesies. De calcificatiecluster in het testfantoom bestaat uit 5 microcalcificaties. De CHO werd aangepast naar een algoritme dat bestaat uit twee lagen. Eerst een lokalisatie en dan een classificatie stap.  De locatie van de microcalcificaties werd gezocht door te scannen rond de regio’s waar de calcificatie was verwacht te liggen. In de classificatie stap werden de vijf individuele statistieken gecombineerd in een cluster test statistiek. Nadat het model getraind werd op het Siemens DBT systeem, werd het ook getest op systemen van andere fabrikanten. De correlatie tussen voorspelde en menselijke resultaten was goed. Na de validatie voor het testen van verschillende fabrikanten en scanparameters, werd de CHO getest op andere 3D structuren in DBT testbeelden. De dataset uit de virtuele klinische studie van het OPTIMAM simulatie-tool bestaat uit zowel DM als DBT beelden van gesimuleerde laesies. De huidige CHO werd aangepast om ook voorspellingen te doen voor de 2D DM beelden. De resultaten voor DBT systemen werd bovendien verbeterd door een volumetrische CHO te creëren.  Deze update was nodig zodat de CHO met de andere achtergrondstructuur kon werken en toonde aan dat het vorige algoritme niet genoeg veralgemeenbaar was. Vervolgens werd verondersteld dat het CHO algoritme voor lage contrast laesies verbeterd kan worden met behulp van artificiële intelligentie(AI).  Twee AI-CHO modellen werden ontwikkeld in parallel met de standaard CHO. Beide werden getraind  op de menselijke resultaten. Deze AI methodes zorgden voor een betere veralgemening voor de verschillende DBT fabrikanten en een grotere variatie aan scanparameters.

De thesis onderzocht het gebruik van de ‘channelized Hotelling Observer’ (CHO) voor het voorspellen van menselijke resultaten bij het detecteren van kritische structuren. Twee praktische  instrumenten ontstonden uit dit doctoraat: een AI CHO voor laag-contrast laesies en een dubbel gelaagde CHO voor calcificatie detectie. We hopen dat deze software gaat gebruikt worden in de routine door medische fysici en door onderzoekers in beeldkwaliteitsstudies. De software is helemaal uitgewerkt en een lespakket is ontwikkeld. We hopen dat dit kan helpen om DBT een rol te geven in borstkankerscreening en zo uiteindelijk de sterftecijfers te doen dalen.