Eine schnellere zweite Meinung

Software, die das Mammogramm einer Patientin mit denen in einer Datenbank vergleicht, ist zu einem wertvollen Werkzeug geworden, um Ärzten dabei zu helfen, Brustkrebs zuverlässiger zu erkennen. Mit zunehmender Größe dieser Datenbanken nimmt jedoch die Zeit zur Bewertung eines neuen Bildes zu.

Das Bild links ist ein Mammogramm mit einer ausgewählten Region, in der eine Krebsläsion vorhanden sein könnte. Ein Computer vergleicht sie mit Bildern bekannter Krebsläsionen in einer Datenbank. (Bildnachweis: Georgia Tourassi, Duke University)

Jetzt haben Forscher der Duke University eine Methode entwickelt, um Tausende von Mammogramm-Bildern zu sortieren und innerhalb von Sekunden die aussagekräftigsten auszuwählen.



Das Erkennen eines Problems in Mammographien kann schwierig sein. Zum einen können Krebsläsionen in den Hintergrund treten und es für Ärzte schwierig machen, sie zu erkennen. Softwarebasierte Erkennungssysteme helfen, indem sie ein neues Mammogramm mit einer Datenbank bereits analysierter Mammographien vergleichen und Krebsindikatoren markieren, die ein Arzt möglicherweise übersehen hat.

Das erste derartige softwarebasierte System wurde 1998 von der Food and Drug Administration zugelassen. Derzeit werden in den USA mehr als 1.600 solcher Systeme in der klinischen Praxis eingesetzt. Obwohl sich gezeigt hat, dass die Systeme die Erkennungsrate von Brustkrebs erhöhen, sind sie noch lange nicht perfekt, und die Forscher versuchen ständig, ihre Genauigkeit zu verbessern, sagt Tourismus Georgien , Professor für Radiologie an der Duke University und leitender Entwickler der neuen Software.

Neuere wissensbasierte Softwareprogramme, wie sie von den Duke-Forschern verwendet werden, ermöglichen es Ärzten, mit dem System zu interagieren – indem sie Fragen stellen und Antworten basierend auf früheren Krebsfällen in der Datenbank erhalten. Das Durchsuchen aller Bilder in einem wissensbasierten System, das Tausende von Mammogrammen enthalten kann, ist jedoch zeitaufwändig. Mit zunehmender Größe der Wissensdatenbank mache diese Brute-Force-Methode keinen Sinn mehr, sagt Tourassi.

Um den Bildsuchprozess zu beschleunigen, haben Tourassi und ihr Team ihn in zwei Schritte unterteilt. Zuerst suchten sie in der Datenbank nach den nützlichsten Mammogrammen, indem sie die Bildentropie – die Menge der Graustufenvariation in den Pixeln – in vermuteten Mammographieregionen verwendeten. Ein ganz schwarzes oder ganz weißes Bild hat keine Entropie, während komplexere Bilder höhere Entropiegrade aufweisen, die durch Pixelfelder mit unterschiedlicher Intensität erzeugt werden. Diese Fälle mit hoher Entropie treten in der Nähe von Bildern von Krebsläsionen auf und sind bei der Bewertung neuer Mammographien am nützlichsten.

Der Vergleich der Entropie in Bildern sei eine besonders attraktive Taktik, sagt Tourassi, weil diese Werte für Mammogramme automatisch berechnet werden, wenn sie in die Duke-Datenbank gesendet werden. Somit ist für die Technik keine zusätzliche Bildverarbeitungsberechnung erforderlich.

In einer Pilotstudie zeigten die Duke-Forscher, dass sie durch den Vergleich der Bildentropie einer verdächtigen Region in einem neuen Mammogramm mit der Entropie aller bekannten Krebsregionen in der Datenbank die Anzahl der analysierten Mammogramme von etwa 2.300 auf 600 reduzieren konnten .

Wie testet man die Schmerztoleranz?

Von dort, sagt Tourassi, wird eine genauere Analyse verwendet, um die fragliche Region mit den bekannten Regionen in Datenbankbildern zu vergleichen. Da das System nur rund 600 Bilder vollständig verarbeiten muss, reduziert sich der Rechenaufwand um 75 Prozent und die Suche ist in Sekundenschnelle erledigt. Ihre Ergebnisse wurden diese Woche auf der Jahrestagung der American Association of Physicists in Medicine in Orlando, FL, vorgestellt.

Die Duke-Technik könnte nicht nur den Suchprozess beschleunigen, sondern auch die Erkennungsrate von Krebsläsionen verbessern, sagt Maryellen Giger , Professor für Radiologie an der University of Chicago. Insbesondere Bildentropiesuchen sind gut geeignet, um Läsionen zu erkennen. Aktuelle Systeme haben eine Genauigkeitsrate von 80 Prozent bei der Erkennung dieser Art von Krebsindikator; Giger sagt, dass die Duke-Technik diese Rate erheblich verbessern könnte. Es ist sehr vielversprechend, sagt Giger.

Innerhalb eines Jahres werden die Duke-Forscher eine Studie starten, um die klinischen Auswirkungen ihrer neuen Technik zu bewerten.

verbergen

Tatsächliche Technologien

Kategorie

Unkategorisiert

Technologie

Biotechnologie

Technologierichtlinie

Klimawandel

Mensch Und Technik

Silicon Valley

Computer

Mit News Magazine

Künstliche Intelligenz

Platz

Intelligente Städte

Blockchain

Reportage

Alumni-Profil

Alumni-Verbindung

Mit News Feature

1865

Meine Sicht

77 Mass Avenue

Treffen Sie Den Autor

Profile In Großzügigkeit

Auf Dem Campus Gesehen

Lerne Den Autor Kennen

Alumni-Briefe

Nicht Kategorisiert

77 Massenallee

Rechnen

Tech-Richtlinie

Lernen Sie Den Autor Kennen

Nachrichten

Wahl 2020

Mit Index

Unter Der Kuppel

Feuerwehrschlauch

Unendliche Geschichten

Pandemie-Technologieprojekt

Vom Präsidenten

Titelstory

Fotogallerie

Empfohlen