محققان كشور الگوريتمي را براي تشخيص خودكار تومورهاي سرطان سينه ارائه دادند
شناسايي تومورها با كمترين خطا
جام جم آنلاين: احتمالا بسياري از شما ميدانيد كه سرطان سينه شايعترين سرطان بين زنان جهان است. سرطان سينه پس از سرطان ريه دومين عامل مرگومير ناشي از سرطان بين زنان است. حتي در سالهاي اخير يكي از شعارهاي سازمان بهداشت جهاني مبارزه با سرطان سينه اعلام شده است.
آنچه نبايد از نظر دور داشت اينكه حدود 20 درصد مبتلايان به سرطان سينه در عرض 5 سال ميميرند و تنها راه كاهش اين تعداد، تشخيص زودهنگام و بهترين روش براي شناسايي زودهنگام ماموگرافي است. اما از سويي تصاوير ماموگرام داراي ابعاد بزرگي هستند كه پردازش كل تصوير را براي يافتن تومور بسيار زمانبر ميكند، لذا به منظور كاهش نواحي مورد پردازش تصوير و البته كاهش خطاي پزشك، روشهايي به منظور پردازش تصاوير پيشنهاد شده است.
در همين راستا پژوهشگران دانشگاه صنعتي اصفهان موفق به ارائه الگوريتمي شدهاند كه امكان تشخيص خودكار تومورهاي سرطان سينه را از روي تصاوير ماموگرافي فراهم ميكند. حال مروري بر مراحل ارائه اين سيستم نرمافزاري ميتواند جالب باشد.
در سال 2005 بيش از 2/1 ميليون نفر مبتلا به اين سرطان در جهان شناسايي شدهاند. آمار ابتلا از عدد 1 به 20 در سال 1960 و به نرخ 1 به 7 در حال حاضر رسيده است. در كنار افزايش تعداد مبتلايان، سن متوسط ابتلا نيز بشدت در حال كاهش است. نكته مهم درباره اين سرطان آن است كه هيچ زني از اين سرطان در امان نيست.
از ديگر روشها نيز به استفاده از سيستم پت (pet) يا تصويربرداري به وسيله انتشار پوزيترون و همچنين روشهاي نوظهوري مانند ترموگرافي و تصويربرداري با استفاده از آمپدانس بدن ميتوان اشاره كرد.
مهندس هاشمي ميافزايد: البته بايد در نظر داشت كه اين روشهاي خودكار شناسايي را به دليل ريسكي كه در تشخيصهاي پزشكي وجود دارد نميتوان به طور صد درصد استفاده كرد. چراكه موضوع شناسايي زودهنگام سرطان است و تنها راه كاهش احتمال مرگومير مبتلايان به سرطان شناسايي زودهنگام است، بنابراين در صورت بروز خطا در شناسايي جان بيمار در معرض خطر قرار ميگيرد. در اصل هدف از طراحي اين سيستمها فراهم كردن يك نظر ثانوي براي پزشك است تا باعث كاهش درصد خطاي پزشك در تشخيص شود. آمارها نشان ميدهد كه 10 تا 30 درصد تشخيصهايي كه پزشكان از روي تصاوير ماموگرام انجام ميدهند داراي خطاست. استفاده از سيستم شناسايي خودكار در كنار پزشك ميتواند اين درصد خطا را كاهش دهد و كاهش درصد خطا به نوبه خود باعث كاهش تعداد نمونهبرداريهاي غيرلازم ميشود.
مهندس هاشمي تاكيد ميكند: به دست آوردن محل دقيق سر سينه به پزشك در يافتن يكسري از ضايعات مانند ناهماهنگيهاي ساختاري كمك ميكند. در بسياري از تصاوير ماموگرام به علت وضوح بسيار پايين تصوير بدون استفاده از روشهاي پردازش تصوير به دست آوردن محل دقيق سر سينه امكانپذير نيست. در ضمن شناسايي دقيق مرز سينه به ما توانايي حذف مناطق خارج از سينه را كه داراي اطلاعات مفيد نيست را ميدهد. در ضمن اين كه تمام حجم سينه وارد الگوريتم شناسايي ميشود. در مرحله بعد تمام نواحي كه با احتمال بيشتري داراي ضايعه هستند، شناسايي ميشوند. اطلاعاتي كه در اين مرحله براي شناسايي استفاده ميشود سايز و روشنايي نسبي تومورها نسبت به بافت اطراف خود است.
در مرحله سوم از هريك از تصاوير به دست آمده از مرحله قبل با استفاده از روشهاي استخراج داده (data mining) ويژگيهايي كه معرف نوع ساختار بافت هستند، استخراج ميشوند. با استفاده از اين ويژگيها و شبكههاي عصبي مصنوعي درباره وجود يا عدم وجود تومور تصميمگيري انجام ميشود.
براي شناسايي بهترين ويژگيهايي كه ميتوانند به خوبي بافت سالم و ناسالم را تفكيك كنند روشهاي متفاوتي مورد مقايسه قرار گرفتند و براي انتخاب بهترين اين ويژگيها از يك سيستم انتخاب خودكار مبتني بر الگوريتمهاي ژنتيك استفاده شد. براي انجام تصميمگيري نهايي نيز از ابزار كلاسبندي داده با نام SVM استفاده شده است كه يكي از بهترين روشهاي موجود براي اين منظور است.
در نهايت با استفاده از الگوريتم پيشنهادي ميتوان به درصد شناسايي مثبت صحيح 3/97 درصد و درصد شناسايي مثبت كاذب 65/16 درصد رسيد كه درصدهاي بسيار مناسب و قابل قبولي هستند. در مرحله نهايي نيز با استفاده از شكل ظاهري تومور و با توجه به لبههاي تومور درباره خوشخيم يا بدخيم بودن آن تصميمگيري ميشود كه در اين مرحله نيز ميتوان به درصد شناسايي مثبت صحيح 91 درصد و درصد شناسايي مثبت كاذب 30 درصد رسيد.
بنابراين طبق آمارهاي به دست آمده با استفاده از سيستم طراحي شده ميتوان از آن به عنوان يك نظر ثانوي در كنار مفسر ماموگرام مورد استفاده قرار داد.
همانطور كه ميدانيد با افزايش احتمال ابتلا به سرطان سينه در سنين بالاي 40 سال، زناني كه داراي سنين بالاتر از 40 هستند بايستي به صورت مداوم مورد تست قرار گيرند. بنابراين در صورت به وجود آمدن يك برنامه همگاني سلامتي براي مقابله با سرطان سينه كه يكي از شعارهاي سازمان سلامت جهاني است، پزشكان با حجم انبوهي از تصاوير مواجه خواهند شد. بخاطر نوع خاص تصاوير ماموگرام تحليل اين تصاوير دقت زيادي را طلب ميكند و تحليل كامل يك تصوير باعث خستگي و كاهش دقت پزشك ميشود.
تنها آمار ارائه شده در امريكا نشان ميدهد 60 ميليون زن بالاي 40 سال در اين كشور وجود دارد كه
30 ميليون تصوير ماموگرام در هر سال از آنها گرفته ميشود. 5 تا 10 درصد براي آزمايشات بيشتر معرفي ميشوند از 2 تا 5 درصد آنها نمونهبرداري صورت ميگيرد و تنها 5/0 درصد داراي ضايعه سرطاني هستند. در ضمن در اغلب اوقات تومورها در بافتهاي خاصي به وجود ميآيند ولي امكان جابجا شدن آنها وجود دارد كه علت اين جابجايي ناشناخته است.
بنابراين با افزايش تعداد مراجعات احتمال آن كه پزشك فقط به مناطقي كه داراي احتمال بيشتر داراي ضايع هستند توجه كند، بيشتر ميشود كه اين احتمال خطا را افزايش ميدهد. بنابراين طراحي يك سيستم خودكار شناسايي كه با انجام يك شناسايي اوليه تمام نواحي را كه داراي ضايعه هستند را براي پزشك مشخص نمايد تا پزشك آن نواحي را با دقت بيشتر مورد مطالعه قرار دهد بسيار مورد توجه قرار دارد.
شناسايي تومورها با كمترين خطا
جام جم آنلاين: احتمالا بسياري از شما ميدانيد كه سرطان سينه شايعترين سرطان بين زنان جهان است. سرطان سينه پس از سرطان ريه دومين عامل مرگومير ناشي از سرطان بين زنان است. حتي در سالهاي اخير يكي از شعارهاي سازمان بهداشت جهاني مبارزه با سرطان سينه اعلام شده است.
آنچه نبايد از نظر دور داشت اينكه حدود 20 درصد مبتلايان به سرطان سينه در عرض 5 سال ميميرند و تنها راه كاهش اين تعداد، تشخيص زودهنگام و بهترين روش براي شناسايي زودهنگام ماموگرافي است. اما از سويي تصاوير ماموگرام داراي ابعاد بزرگي هستند كه پردازش كل تصوير را براي يافتن تومور بسيار زمانبر ميكند، لذا به منظور كاهش نواحي مورد پردازش تصوير و البته كاهش خطاي پزشك، روشهايي به منظور پردازش تصاوير پيشنهاد شده است.
در همين راستا پژوهشگران دانشگاه صنعتي اصفهان موفق به ارائه الگوريتمي شدهاند كه امكان تشخيص خودكار تومورهاي سرطان سينه را از روي تصاوير ماموگرافي فراهم ميكند. حال مروري بر مراحل ارائه اين سيستم نرمافزاري ميتواند جالب باشد.
در سال 2005 بيش از 2/1 ميليون نفر مبتلا به اين سرطان در جهان شناسايي شدهاند. آمار ابتلا از عدد 1 به 20 در سال 1960 و به نرخ 1 به 7 در حال حاضر رسيده است. در كنار افزايش تعداد مبتلايان، سن متوسط ابتلا نيز بشدت در حال كاهش است. نكته مهم درباره اين سرطان آن است كه هيچ زني از اين سرطان در امان نيست.
ماموگرافي
مهندس سيدمسعود هاشمي، دانشجوي كارشناسي ارشد برق الكترونيك دانشگاه صنعتي اصفهان و طراح الگوريتم تشخيص خودكار تومورهاي سرطان سينه ميگويد: تصاوير ماموگرافي با وجود اين كه داراي اطلاعات زيادي هستند به علت نوع تصوير به دست آمده كه از تابش اشعه X است، نياز به دقت فراوان و مهارت پزشك متخصص دارد كه تمام اين اطلاعات را نميتوان توسط چشم تشخيص داد. براي افزايش وضوح و كيفيت تصوير نياز به پردازش تصوير است. ماموگرافي داراي 2 نوع آنالوگ و ديجيتال است كه در ايران اغلب موارد، نوع آنالوگ آن مورد استفاده قرار ميگيرد. بنابراين براي انجام پروسه پردازش تصوير بايستي با استفاده از دستگاههاي واسط مانند اسكنرهاي مخصوص تصاوير پزشكي به تصوير ديجيتال قابل استفاده در رايانه تبديل شوند. كه اين كار به نوبه خود از كيفيت تصوير خواهد كاست. در ضمن اين كه دوز اشعه X در نوع ديجيتال پايينتر است و بنابراين اثرات سوء آن بر بيمار كمتر است.تصويربرداري با استفاده از امواج مافوق صوت
اين روش از نظر اثرات سوء جزو كماثرترين و سالمترين روشهاست، ولي تمام ضايعات با استفاده از اين روش قابل شناسايي نيستند. اين روش براي شناسايي ضايعات كيستي كه اغلب از ضايعات خوشخيم هستند استفاده ميشود.تصاوير MRI
مهندس هاشمي تاكيد ميكند: اين روش با وجود موفقيتهاي زياد به دست آمده در استفاده از اين روش براي شناسايي سرطان سينه هنوز به عنوان روش اصلي تشخيص مورد استفاده قرار نميگيرد.از ديگر روشها نيز به استفاده از سيستم پت (pet) يا تصويربرداري به وسيله انتشار پوزيترون و همچنين روشهاي نوظهوري مانند ترموگرافي و تصويربرداري با استفاده از آمپدانس بدن ميتوان اشاره كرد.
مناسبترين روش تشخيص سرطان سينه
با استفاده از ماموگرافي ميتوان اغلب ضايعات سرطاني مانند تومورها، كلسيفيكيشنها و ناهمواريهاي ساختاري و عدم تقارن دو سينه را شناسايي كرد. در ضمن اين روش در مقايسه با روشهاي ديگر هزينه پايينتري را داراست. به علاوه دستگاههاي ماموگرافي به تعداد بيشتر موجود هستند. اما با توجه به استفاده از اشعهX براي تصويربرداري داراي اثرات سوء بر بيمار است كه اين اثر با استفاده از دوز پايين در دستگاههاي ديجيتال كاهش يافته است. كاهش درصد خطاي پزشك
براي شناسايي خودكار ضايعات سرطاني از سيستمهاي پردازش تصوير استفاده ميشود. مهندس هاشمي ميافزايد: البته بايد در نظر داشت كه اين روشهاي خودكار شناسايي را به دليل ريسكي كه در تشخيصهاي پزشكي وجود دارد نميتوان به طور صد درصد استفاده كرد. چراكه موضوع شناسايي زودهنگام سرطان است و تنها راه كاهش احتمال مرگومير مبتلايان به سرطان شناسايي زودهنگام است، بنابراين در صورت بروز خطا در شناسايي جان بيمار در معرض خطر قرار ميگيرد. در اصل هدف از طراحي اين سيستمها فراهم كردن يك نظر ثانوي براي پزشك است تا باعث كاهش درصد خطاي پزشك در تشخيص شود. آمارها نشان ميدهد كه 10 تا 30 درصد تشخيصهايي كه پزشكان از روي تصاوير ماموگرام انجام ميدهند داراي خطاست. استفاده از سيستم شناسايي خودكار در كنار پزشك ميتواند اين درصد خطا را كاهش دهد و كاهش درصد خطا به نوبه خود باعث كاهش تعداد نمونهبرداريهاي غيرلازم ميشود.
نقاط درگير به دقت شناسايي ميشوند
عمليات تشخيص و شناسايي در سيستم طراحي شده طي 4 مرحله انجام ميگيرد، در مرحله اول مرز سينه و محل سر سينه با دقت بسيار بالايي شناسايي ميشود.مهندس هاشمي تاكيد ميكند: به دست آوردن محل دقيق سر سينه به پزشك در يافتن يكسري از ضايعات مانند ناهماهنگيهاي ساختاري كمك ميكند. در بسياري از تصاوير ماموگرام به علت وضوح بسيار پايين تصوير بدون استفاده از روشهاي پردازش تصوير به دست آوردن محل دقيق سر سينه امكانپذير نيست. در ضمن شناسايي دقيق مرز سينه به ما توانايي حذف مناطق خارج از سينه را كه داراي اطلاعات مفيد نيست را ميدهد. در ضمن اين كه تمام حجم سينه وارد الگوريتم شناسايي ميشود. در مرحله بعد تمام نواحي كه با احتمال بيشتري داراي ضايعه هستند، شناسايي ميشوند. اطلاعاتي كه در اين مرحله براي شناسايي استفاده ميشود سايز و روشنايي نسبي تومورها نسبت به بافت اطراف خود است.
سيستمي كمكي در كنار مفسر ماموگرام
تومورها اغلب داراي اندازههايي بين 3/0 تا 30 ميليمتر هستند، البته تومورهاي بزرگتر نيز وجود دارند اما اين تومورها با استفاده از روشهاي تست لمسي براحتي قابل شناسايي هستند. در اين مرحله سعي بر آن است كه نواحي داراي تومور حتما مورد شناسايي قرار گيرند. البته شناسايي قطعي در مرحله سوم و چهارم انجام ميگيرد. در مرحله سوم از هريك از تصاوير به دست آمده از مرحله قبل با استفاده از روشهاي استخراج داده (data mining) ويژگيهايي كه معرف نوع ساختار بافت هستند، استخراج ميشوند. با استفاده از اين ويژگيها و شبكههاي عصبي مصنوعي درباره وجود يا عدم وجود تومور تصميمگيري انجام ميشود.
براي شناسايي بهترين ويژگيهايي كه ميتوانند به خوبي بافت سالم و ناسالم را تفكيك كنند روشهاي متفاوتي مورد مقايسه قرار گرفتند و براي انتخاب بهترين اين ويژگيها از يك سيستم انتخاب خودكار مبتني بر الگوريتمهاي ژنتيك استفاده شد. براي انجام تصميمگيري نهايي نيز از ابزار كلاسبندي داده با نام SVM استفاده شده است كه يكي از بهترين روشهاي موجود براي اين منظور است.
در نهايت با استفاده از الگوريتم پيشنهادي ميتوان به درصد شناسايي مثبت صحيح 3/97 درصد و درصد شناسايي مثبت كاذب 65/16 درصد رسيد كه درصدهاي بسيار مناسب و قابل قبولي هستند. در مرحله نهايي نيز با استفاده از شكل ظاهري تومور و با توجه به لبههاي تومور درباره خوشخيم يا بدخيم بودن آن تصميمگيري ميشود كه در اين مرحله نيز ميتوان به درصد شناسايي مثبت صحيح 91 درصد و درصد شناسايي مثبت كاذب 30 درصد رسيد.
بنابراين طبق آمارهاي به دست آمده با استفاده از سيستم طراحي شده ميتوان از آن به عنوان يك نظر ثانوي در كنار مفسر ماموگرام مورد استفاده قرار داد.
چشمانداز اجرايي پروژه
اجراي گستردهتر اين پروژه به صورت طرحي توسط مركز تحقيقاتي تصاوير و سيگنالهاي پزشكي به صورت مشترك بين دانشگاه صنعتي اصفهان و دانشگاه علوم پزشكي اصفهان، زير نظر اساتيد مربوطه مورد تصويب قرار گرفته است. اما بودجه تخصيص يافته به اين پروژه يك بودجه دانشگاهي و ناچيز است، كه با وجود اين مقدار ناچيز دستيابي به اهدافي كه مدنظر هستند بسيار دور از دسترس به نظر ميرسد. در ضمن اينكه تهيه يك پايگاه تصوير ديجيتال از نمونههاي ايراني كه شامل تصاوير مختلفي در طول چندين سال از بيمار باشد براي طراحي سيستم بسيار دقيق تجاري لازم به نظر ميرسد.افزايش دقت پزشك در بررسي تصاوير ماموگرافي
همانطور كه ميدانيد با افزايش احتمال ابتلا به سرطان سينه در سنين بالاي 40 سال، زناني كه داراي سنين بالاتر از 40 هستند بايستي به صورت مداوم مورد تست قرار گيرند. بنابراين در صورت به وجود آمدن يك برنامه همگاني سلامتي براي مقابله با سرطان سينه كه يكي از شعارهاي سازمان سلامت جهاني است، پزشكان با حجم انبوهي از تصاوير مواجه خواهند شد. بخاطر نوع خاص تصاوير ماموگرام تحليل اين تصاوير دقت زيادي را طلب ميكند و تحليل كامل يك تصوير باعث خستگي و كاهش دقت پزشك ميشود.
تنها آمار ارائه شده در امريكا نشان ميدهد 60 ميليون زن بالاي 40 سال در اين كشور وجود دارد كه
30 ميليون تصوير ماموگرام در هر سال از آنها گرفته ميشود. 5 تا 10 درصد براي آزمايشات بيشتر معرفي ميشوند از 2 تا 5 درصد آنها نمونهبرداري صورت ميگيرد و تنها 5/0 درصد داراي ضايعه سرطاني هستند. در ضمن در اغلب اوقات تومورها در بافتهاي خاصي به وجود ميآيند ولي امكان جابجا شدن آنها وجود دارد كه علت اين جابجايي ناشناخته است.
بنابراين با افزايش تعداد مراجعات احتمال آن كه پزشك فقط به مناطقي كه داراي احتمال بيشتر داراي ضايع هستند توجه كند، بيشتر ميشود كه اين احتمال خطا را افزايش ميدهد. بنابراين طراحي يك سيستم خودكار شناسايي كه با انجام يك شناسايي اوليه تمام نواحي را كه داراي ضايعه هستند را براي پزشك مشخص نمايد تا پزشك آن نواحي را با دقت بيشتر مورد مطالعه قرار دهد بسيار مورد توجه قرار دارد.