Détectabilité des lésions en mammographie numérique : impact de la texture
Institution:
Châtenay-Malabry, Ecole centrale de ParisDisciplines:
Directors:
Abstract EN:
The presence of normal breast structure (texture) in digital mammography images decreases the detection pertormance of radiologists. We propose new tools and methods to study the impact of the presence of breast texture on the detectability of les ions in such images. We develop an image simulation tool which enables to synthesize mammography images with realistic texture appearance. We evaluate the impact of the texture on the scoring of a contrast-detail phantom commonly used in mammography. We show that this flat-field phantom is clinically relevant to assess the detectability of microcalcifications, but not of larger lesions such as masses. We propose a new mathematical observer, based on the recenUy introduced a-contrario framework. With a detection strategy close to th one of radiologists when looking for les ions in real clinical situations, this observer is a relevant alternative to model human visual perception. Extending the a-contrario framework to the case of textured backgrounds, we demonstrate the ability of the a-contrario observer to predict detectability laws in various textures and iparticular in mammography textures. We apply these new tools to the optimization of the acquisition parameters in digital mammography in presence of texture. We show that the current digital mammography systems have reached an optimal usage. Furthermore, we demonstrate that the variability on detection pertormance induced by breast texture can not be overcome by optimizing the acquisition techniques, highlighting the benefit of any breast imaging technology reducing the influence of breast texture.
Abstract FR:
La présence des structures normales du sein (texture) dans les images mammographiques numériques dégrade la pertormance de détection des radiologues. Nous proposons de nouveaux outils et de nouvelles méthodes pour étudier l'impact de la présence de texture sur la pertormance de détection des lésions dans ces images. Nous développons un outil permettant de synthétiser des images mammographiques avec une texture d'apparence réaliste. Nous évaluons l'impact de la texture sur le scoring d'un fantôme contraste-détail couramment utilisé en mammographie. Nous montrons que c fantôme non texturé est pertinent d'un point de vue clinique pour évaluer la détectabilité des microcalcifications, mais pas des lésions plu grandes comme les opacités. Nous proposons un nouvel observateur mathématique, basé sur une approche a-contrario introduite récemment. Avec une stratégie de détection proche de celle des radiologues dans leur tâche clinique, notre observateur est une alternative pertinente pour modéliser la perception visuelle humaine. Nous élargissons la méthode a-contrario au cas des images texturées et démontrons la capacité de cet observateur à prédire les lois de détectabilité dans diverses textures dont les textures mammographiques. Nous appliquons ces outils et méthodes à l'optimisation des paramètres d'acquisition d'un système de mammographie numérique. Nous montrons que le système actuel a atteint un optimum de fonctionnement. De plus, la variabilité induite par la texture ne peut pas être compensée en optimisant les paramètres d'acquisition du système, ce qui met en évidence l'intérêt des technologies d'imagerie du sein permettant de réduire l'influence de la texture.