يعتبر الماموغرام الخيار الأفضل للكشف المبكر عن سرطان الثدي عند النساء،
طورت أنظمة الكشف بمساعدة الحاسب (CAD) من أجل تحسين تشخيص صور
الماموغرام. يقدم هذا البحث طريقة مقترحة لتجزيء صور الماموغرام آلياً اعتماداً على
طريقة أوتسو Otsu’s method بهدف كشف آفة التكلسات الميكروية و الكتل من
صور الماموغرام المجزأة ، تستند هذه التقنية المقترحة إلى ثلاث خطوات، أ ( تحديد
مواصفات المنطقة ذات الاهتمام ROI, ب ( تحويل المويجي ثنائي البعد، ج ( تطبيق
تعتيب أوتسو على ROI لاستخلاص الآفة. اختبرت الطريقة المقترحة على عدة صور
أخذت من قاعدة بيانات معيارية mini-MIAS. و نفذت ضمن بيئة برنامج الماتلاب، .
و يمكن إنجازها بشكل فعال على حاسب شخصي بسيط. بينت النتائج التجريبية و نتائج
تقييم الأداء بأن الخوارزمية المقترحة تعتبر أداة مساعدة في تحسين أداء التشخيص،
و لها القدرة على الكشف عن آفات الثدي.
A mammogram is the best option for early detection of breast cancer,
Computer Aided Diagnostic systems(CADs) developed in order to
improve the diagnosis of mammograms. This paper presents a proposed
method to automatic images segmentation depending on the Otsu's
method in order to detect microcalcifications and mass lesions in
mammogram images. The proposed technique is based on three steps:
(a) region of interest (ROI), (b) 2D wavelet transformation, and (c) OTSU
thresholding application on ROI. The method tested on standard mini-
MIAS database. It implemented within MATLAB software environment.
Experimental results and performance evaluate results show that the
proposed detection algorithm is a tool to help improve the diagnostic
performance, and has the possibility and the ability to detect the breast
lesions.
Artificial intelligence review:
Research summary
تقدم هذه الورقة البحثية طريقة مقترحة لتجزئة الصور تلقائيًا باستخدام طريقة أوتسو للكشف عن التكلسات الميكروية وآفات الكتل في صور الماموغرام. تعتمد التقنية المقترحة على ثلاث خطوات رئيسية: تحديد منطقة الاهتمام (ROI)، تحويل المويجات ثنائي الأبعاد، وتطبيق تعتيب أوتسو على منطقة الاهتمام. تم اختبار الطريقة على قاعدة بيانات mini-MIAS القياسية وتم تنفيذها باستخدام بيئة MATLAB. أظهرت النتائج التجريبية أن الخوارزمية المقترحة يمكن أن تساعد في تحسين أداء التشخيص والكشف عن آفات الثدي بدقة. تعتمد الخوارزمية على إجراءات عامة ولا تتطلب تدخل المستخدم، مما يسهل تعميم تطبيقها على نطاق واسع. كما تم تقييم أداء الخوارزمية باستخدام مؤشرات تحسين التباين (CII) ونسبة الإشارة إلى الضوضاء القصوى (PSNR)، وأظهرت النتائج أن الخوارزمية قادرة على تحسين تباين الصور وتقليل الضوضاء بشكل فعال. بالإضافة إلى ذلك، تمت مقارنة النتائج مع دراسات سابقة وأثبتت الخوارزمية تفوقها في بعض الجوانب. تهدف الورقة إلى تقديم أداة مساعدة لأطباء الأشعة لتحسين دقة التشخيص وتقليل الأخطاء البشرية في تفسير صور الماموغرام.
Critical review
على الرغم من أن الورقة تقدم خوارزمية فعالة للكشف عن آفات الثدي باستخدام طريقة أوتسو، إلا أن هناك بعض النقاط التي يمكن تحسينها. أولاً، لم يتم اختبار الخوارزمية على مجموعة متنوعة من قواعد البيانات، مما يثير تساؤلات حول قدرتها على التعميم. ثانياً، لم يتم تقديم تفاصيل كافية حول كيفية التعامل مع الصور ذات الجودة المنخفضة أو التباين المنخفض، وهو ما يمكن أن يؤثر على دقة الكشف. ثالثاً، على الرغم من أن النتائج التجريبية مشجعة، إلا أنه كان من الأفضل تقديم مقارنة أكثر شمولية مع خوارزميات أخرى مستخدمة في نفس المجال. أخيراً، لم يتم مناقشة تأثير العوامل البشرية مثل خبرة الأطباء في استخدام النظام المقترح، وهو ما يمكن أن يكون له تأثير كبير على فعالية النظام في البيئات العملية.
Questions related to the research
-
ما هي الخطوات الرئيسية التي تعتمد عليها الخوارزمية المقترحة في الورقة؟
تعتمد الخوارزمية المقترحة على ثلاث خطوات رئيسية: تحديد منطقة الاهتمام (ROI)، تحويل المويجات ثنائي الأبعاد، وتطبيق تعتيب أوتسو على منطقة الاهتمام.
-
ما هي قاعدة البيانات التي تم اختبار الخوارزمية عليها؟
تم اختبار الخوارزمية على قاعدة بيانات mini-MIAS القياسية.
-
ما هي المؤشرات التي تم استخدامها لتقييم أداء الخوارزمية؟
تم استخدام مؤشرات تحسين التباين (CII) ونسبة الإشارة إلى الضوضاء القصوى (PSNR) لتقييم أداء الخوارزمية.
-
ما هي النقاط التي يمكن تحسينها في الورقة البحثية؟
يمكن تحسين الورقة من خلال اختبار الخوارزمية على مجموعة متنوعة من قواعد البيانات، تقديم تفاصيل أكثر حول التعامل مع الصور ذات الجودة المنخفضة، تقديم مقارنة شاملة مع خوارزميات أخرى، ومناقشة تأثير العوامل البشرية على فعالية النظام.
References used
SMITH R. A. 1993-Epidemiology of breast cancer in a categorical course in physics. Technical Aspects of Breast Imaging, 2nd ed. RSNA publication, Oak Book, II, pp.21
Peto.R, Boreham.J, Clarke.M, Davies.C, Beral.V, May 2000 -UK and USA Breast cancer deaths down 25% in year 2000 at ages 20-69 years. THE LANCET, Volume 355, Issue 9217 ،Page 1822, 20
Ghosh .R, Ghosh. M, Yearwood. J. April, 2004 -A Modular Framework for Multi category feature selection in Digital mammography. In Proceedings of the 12th European Symposium On Artificial Neural Networks ESANN’2004, Bruges (Belgium), pp. 175-180, 28-30