Zeitschrift für Tumorforschung
Offener Zugang

Abstrakt

Klassifizierung und Segmentierung von Brusttumoren mithilfe der Maske R-CNN auf Mammogrammen

Syed Kazim Raza, Syed Shameer Sarwar, Saad Muhammad Syed, Najeed Ahmed Khan

Zweck: Brustkrebs verursacht bei Frauen mehr Todesfälle als jede andere Krebsart, die bei Frauen auftreten kann. Vor diesem Hintergrund hat diese Forschung eine Methode vorgeschlagen, mit der die verschiedenen Arten von Brusttumoren erkannt, klassifiziert und segmentiert werden können. In diesem Artikel werden auch die verschiedenen Methoden erörtert, mit denen Brustkrebs in der Vergangenheit klassifiziert und segmentiert wurde.

Methode: Brustkrebs kann in einem frühen Stadium durch MRT und/oder Mammographie der Brustmuskulatur erkannt werden. Für diese Forschung wird ein neuartiger Ansatz zur Erkennung, Klassifizierung und Segmentierung von Brustkrebs vorgeschlagen. Der vorgeschlagene Rahmen verwendet Brustmammogramme aus den DICOM-Bildern von CBIS-DDSM (Curated Breast Imaging Subset of DDSM). Mammogramme sind Radiobilder eines Muskels. Die DICOM-Daten wurden so vorverarbeitet, dass sie in ein traditionelleres Format integriert werden konnten. Anschließend wurden die Patches aus den Mammogrammbildern herausgenommen und schließlich in das neuronale Masken-RCNN-Netzwerk eingespeist.

Ergebnisse: Das Ergebnis des Ansatzes ist, dass das vorgeschlagene Framework Krebstumore lokalisieren kann, selbst wenn sie sich in mehreren Regionen entwickelt haben, was es zu einem Multi-Klassen-Klassifikator macht. Das Framework kann auch klassifizieren, ob der Tumor gutartig oder bösartig ist, und die Krebstumorregion mit einer pixelweisen Annotation segmentieren. Die durchschnittliche Genauigkeit beträgt bei Testfällen etwa 85 %, mit einem Präzisionswert von 0,75, einem Rückruf von 0,8 und einem F1-Score von 0,825.

Schlussfolgerung: Das vorgeschlagene Framework ist kosteneffizient und kann als Hilfsmittel für Radiologen bei der Brustkrebserkennung eingesetzt werden. Zukünftig kann der vorgeschlagene Ansatz auch bei anderen Krebstumoren zur Klassifizierung und Segmentierung eingesetzt werden.