Computer-aided Diagnosis Applied to US of Solid Breast Nodules by Using Neural Networks

Chen, Dar‐Ren; Chang, Ruey-Feng; Huang, Yu-Len

doi:10.1148/radiology.213.2.r99nv13407

Cited by 169 publications

(91 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The HFUS technique has already been used to determine the malignancy of carcinomas. [15][16][17][18][19][20] The necrosis detected with ultrasound is seldom used as a prognostic predictor for treatment efficacy. As an example, in 1997 Kenji et al showed that it could be a relevant tool for determining the efficacy of molecules, such as Lipiocis (CIS Bio-International, Gif-sur-Yvette, France) in the treatment of hepatocellular carcinoma.…”

Section: Introductionmentioning

confidence: 99%

Dynamic assessment of antiangiogenic therapy by monitoring both tumoral vascularization and tissue degeneration

et al. 2006

View full text Add to dashboard Cite

Tumor growth is dependent both on endothelial and tumor cells. The aim of this study was to investigate dynamically whether changes in tumor vasculature implicate tumor tissue degeneration during antiangiogenic therapies. In order to quantify intra-tumor vascularization and necrosis, we have used ultrasound technology. This study has identified essential parameters needed to quantify specifically and sensitively the number of microvessels and the extent of necrosis in xenografted human carcinomas during natural tumor evolution, using contrast-enhanced high-frequency ultrasonography with (HFCDUS) or without (HFUS) color Doppler. We showed that quantification of intra-tumor microvessels between HFCDUS and immunohistochemistry is correlated using an anti-CD31 antibody. Furthermore, quantification of tumor necrosis with HFUS was confirmed by histological examination of hematoxylin-eosin-saffraninstained sections over the observation period. Subsequently, for the assessment of novel angiogenic inhibitors, HFCDUS and HFUS were used to elucidate the underlying dynamics linking vessel inhibition and tumor eradication. We describe a novel application for HFCDUS/HFUS that constitutes an effective, convenient, and non-invasive method for clinical assessment of angiogenic inhibitors. In conclusion, we showed that tumor cells abruptly became necrotic following an antivascular therapy, whereas untreated tumors were protected from degeneration by a significant blood supply.

show abstract

Section: Introductionmentioning

confidence: 99%

Dynamic assessment of antiangiogenic therapy by monitoring both tumoral vascularization and tissue degeneration

et al. 2006

View full text Add to dashboard Cite

show abstract

“…Chen et al (30) relataram um mé-todo baseado em rede neural artificial para auxílio ao diagnóstico diferencial de tumores sólidos de mama em imagens de ultra-som. Foram avaliadas 140 imagens de nódulos sólidos de mama, sendo 52 correspondentes a tumores malignos e 88 a tumores benignos, todos confirmados por biópsia.…”

Section: (2)unclassified

Diagnóstico auxiliado por computador na radiologia

Azevedo-Marques

2001

Radiol Bras

View full text Add to dashboard Cite

Vários desenvolvimentos tecnológicos estão convergindo de forma a aumentar a influência da área de imagens nas pesquisas biomédicas e na medicina clínica. Muitos pesquisadores têm trabalhado no desenvolvimento de sistemas computadorizados para detecção automatizada e quantificação de anormalidades em imagens radiológicas. Estes sistemas são dedicados ao diagnóstico auxiliado por computador. Este artigo discute os conceitos básicos relacionados ao diagnóstico auxiliado por computador e apresenta uma revisão bibliográfica sobre o assunto. Unitermos: Diagnóstico auxiliado por computador. Radiografia digital. Processamento de imagem. Visão computacional. Inteligência artificial.Computer-aided diagnosis in radiology. ResumoAbstract do computador como referência. A resposta do computador pode ser útil, uma vez que o diagnóstico do radiologista é baseado em avaliação subjetiva, estando sujeito a variações intra e interpessoais, bem como perda de informação devido à natureza sutil do achado radiológico, baixa qualidade da imagem, sobreposição de estruturas, fadiga visual ou distração. Além disso, foi demonstrado que uma dupla leitura (por dois radiologistas) pode aumentar a sensibilidade do diagnós-tico (3) . A proposta do CAD é funcionar como um segundo especialista.Basicamente, existem dois tipos de aplicações de sistemas CAD. Um é o auxílio à detecção de lesões, a partir da localização de padrões anormais através da varredura da imagem pelo computador (por exemplo, agrupamentos de microcalcificações em imagens mamográ-ficas ou nódulos pulmonares em imagens de tórax). O outro é o auxílio ao diagnós-tico, através da quantificação de características da imagem e sua classificação como correspondendo a padrões normais ou anormais (por exemplo, a associação da quantidade e forma das microcalcificações presentes em um agrupamento com a malignidade ou não do tumor, ou a associação da textura dos pulmões com lesões intersticiais em imagens de tórax). Em geral, os sistemas CAD utilizam-se de técnicas provenientes de duas áreas do conhecimento: visão computacional, que envolve o processamento de imagem para realce, segmentação e extração de atributos, e inteligência artificial, que inclui métodos para seleção de atributos e reconhecimento de padrões (4) . Por ter base conceitual genérica e ampla, a idéia do CAD pode ser aplicada a todas as modalidades de obtenção de imagem, incluindo radiografia convencional, tomografia computadorizada, ressonância magnética, ultra-sonografia e medicina nuclear. Pode-se, também, desenvolver esquemas de CAD para todos os tipos de exame de todas as partes do corpo, como crânio, tórax, abdome, osso e sistema vascular, entre outros. Porém, os principais objetos de pesquisa para o desenvolvimento de sistemas CAD têm sido as áreas de mamografia, para a detecção precoce do câncer de mama; tórax, para a detecção de nódulos pulmonares, lesões intersticiais e pneumotórax; e angiografia, para a análise quantitativa de estenoses e de fluxo sanguíneo(1) . VISÃO COMPUTACIONAL E INTELIGÊNCIA ARTIFICIALVisão ...

show abstract

“…To improve the positive predictive value, in the previous studies, many investigators have attempted to develop a computer-aided diagnosis (CAD) scheme [5] for distinguishing between benign and malignant masses on ultrasonographic images. Chen et al [6,7] utilized the textural features in breast ultrasonographic images to distinguish between benign and malignant masses by using an artificial neural network (ANN). Joo et al [8] also employed an ANN with morphologic features.…”

Section: Introductionmentioning

confidence: 99%

Computerized Determination Scheme for Histological Classification of Breast Mass Using Objective Features Corresponding to Clinicians’ Subjective Impressions on Ultrasonographic Images

et al. 2013

View full text Add to dashboard Cite

It is often difficult for clinicians to decide correctly on either biopsy or follow-up for breast lesions with masses on ultrasonographic images. The purpose of this study was to develop a computerized determination scheme for histological classification of breast mass by using objective features corresponding to clinicians' subjective impressions for image features on ultrasonographic images. Our database consisted of 363 breast ultrasonographic images obtained from 363 patients. It included 150 malignant (103 invasive and 47 noninvasive carcinomas) and 213 benign masses (87 cysts and 126 fibroadenomas). We divided our database into 65 images (28 malignant and 37 benign masses) for training set and 298 images (122 malignant and 176 benign masses) for test set. An observer study was first conducted to obtain clinicians' subjective impression for nine image features on mass. In the proposed method, location and area of the mass were determined by an experienced clinician. We defined some feature extraction methods for each of nine image features. For each image feature, we selected the feature extraction method with the highest correlation coefficient between the objective features and the average clinicians' subjective impressions. We employed multiple discriminant analysis with the nine objective features for determining histological classification of mass. The classification accuracies of the proposed method were 88.4 % (76/86) for invasive carcinomas, 80.6 % (29/36) for noninvasive carcinomas, 86.0 % (92/107) for fibroadenomas, and 84.1 % (58/69) for cysts, respectively. The proposed method would be useful in the differential diagnosis of breast masses on ultrasonographic images as diagnosis aid.

show abstract

Computer-aided Diagnosis Applied to US of Solid Breast Nodules by Using Neural Networks

Abstract: This system differentiated solid breast nodules with relatively high accuracy and helped inexperienced operators to avoid misdiagnoses. Because the neural network is trainable, it could be optimized if a larger set of tumor images is supplied.

Cited by 169 publications

References 16 publications

Dynamic assessment of antiangiogenic therapy by monitoring both tumoral vascularization and tissue degeneration

Dynamic assessment of antiangiogenic therapy by monitoring both tumoral vascularization and tissue degeneration

Diagnóstico auxiliado por computador na radiologia

Computerized Determination Scheme for Histological Classification of Breast Mass Using Objective Features Corresponding to Clinicians’ Subjective Impressions on Ultrasonographic Images

Contact Info

Product

Resources

About