乳腺摄影中腺体分数的最大似然估计及其对微钙化检测的影响
医学物理
2023-10-12 v2
摘要
目的：乳腺组织主要是脂肪与纤维腺体组织的混合物。癌症风险及漏诊乳腺癌的风险随乳腺中腺体组织量的增加而升高。因此，放射科医生必须在筛查和诊断性乳腺摄影中报告总体积腺体分数或 BI-RADS 分类。本文展示一种最大似然算法，可从乳腺摄影图像中估计逐像素腺体分数。逐像素腺体分数提供的信息有助于定位致密组织。总体积腺体分数可由逐像素腺体分数计算获得。该算法针对使用抗散射栅采集的图像，以及不使用抗散射栅但随后进行软件散射去除的图像进行了实现。本工作还研究了在常规乳腺摄影图像旁呈现逐像素腺体分数图像是否有可能改善乳腺微钙化的对比度噪声比。结果：对于 TOPAS 模拟图像，无抗散射栅和有抗散射栅情况下的腺体分数估计均方根误差分别为 3.2% 和 2.5%。平均绝对误差分别为 (3.7 ± 2.4)% 和 (3.6 ± 0.9)%。来自 DICOM 临床图像（真实腺体分数未知）的结果表明，该算法给出的腺体分数处于文献预期的平均范围内。对于微钙化检测，DICOM 图像中对比度噪声比提高了 17.5–548%，TOPAS 图像中提高了 5.1–88%。结论：我们展示了一种准确估计逐像素腺体分数图像的方法，提供了乳腺密度的定位信息。腺体分数图像还显示出在检测微钙化（乳腺癌的风险因素）的对比度噪声比方面的改善。
引用
@article{arxiv.2304.09272,
title = {Maximum-Likelihood Estimation of Glandular Fraction for Mammography and its Effect on Microcalcification Detection},
author = {Bryce J. Smith and Joyoni Dey and Lacey Medlock and David Solis and Krystal Kirby},
journal= {arXiv preprint arXiv:2304.09272},
year = {2023}
}
备注
Pre-print