1st ITMA

Abstract information

English title:	Breast lesion detection algorithm using ideal speed of sound images
Spanish title:	Algoritmo de detecci�n de lesiones mamarias utilizando im�genes ideales de velocidad del sonido
English abstract:	New imaging techniques have been the subject of research in recent years. In breast cancer, one of the imaging techniques that attracts attention is Ultrasound Computed Tomography, which makes it possible to obtain images that quantitatively represent the acoustic properties (speed of sound, acoustic attenuation, density) of breast tissues. In contrast to standard imaging modalities that use ionizing radiation and require breast compression, such as mammography, this imaging modality is painless, non-invasive and radiation-free. However, ultrasound computed tomography is still in the development stage, so there are no real databases of these imaging modalities. In-silico clinical trials have been very well received in the investigation of new technologies since they allow algorithms to be explored safely and economically in the early stages of technological development. Under the hypothesis that medical images contain relevant information about the development of a disease that is not perceptible through human observation, the concept of radiomic analysis has been accepted in the field of oncology. The main objective of radiomic analysis is the extraction and analysis of different quantitative features of medical images. These features are typically used to train a learning algorithm to provide a detection score. In this work, we propose an algorithm for the detection of lesions in 3D synthetic breast phantoms from SOS (speed of sound) images. To this end, a set of 120 breast phantoms was first generated, of which 60 included a lesion (spiculated mass). Then, from the phantoms, the SOS images are obtained, this is done by replacing each of the voxel labels of each tissue with the speed of sound propagation value reported in the literature. Subsequently, a methodology for the detection of lesions was implemented, which consisted of the extraction of radiomic features at the cut-off level, which feed a classifier composed of a logistic regression and a weighting algorithm. The weighting algorithm consisted of a 3-tap moving average receiving the detection score of each slice as input and giving a detection score at the breast level as output. Finally, the performance of this SOS image-based classifier is evaluated in terms of AUC. Experiments validated with 5-fold cross-validation produced an AUC of 0.73 (95% CI: 0.64-0.82), 0.89 (95% CI: 0.83-0.95), and 0.94 (95% CI: 0.89-0.98) for radiomic analysis using SOS images with a pixel size of 1.5, 2.0, and 2.5 mm, respectively. Our results suggest that radiomic analysis of SOS images could help in the breast lesion detection task. The use of radiomic analysis using reconstructions of SOS images by ultrasound computed tomography should be further investigated.
Spanish abstract:	Nuevas t�cnicas de imagenolog�a han sido objeto de investigaci�n en los �ltimos a�os. En el c�ncer de seno, una de las t�cnicas de imagen que llama la atenci�n es la Tomograf�a Computarizada por Ultrasonido, que permite obtener im�genes que representan cuantitativamente las propiedades ac�sticas (velocidad del sonido, atenuaci�n ac�stica, densidad) de los tejidos mamarios. A diferencia de las modalidades est�ndar de im�genes que usan radiaci�n ionizante y requieren compresi�n del seno, como la mamograf�a, esta modalidad de im�genes es indolora, no invasiva y libre de radiaci�n. Sin embargo, la tomograf�a computarizada por ultrasonido a�n se encuentra en etapa de desarrollo, por lo que no existen bases de datos reales de estas modalidades de imagen. Los ensayos cl�nicos in-silico han tenido muy buena acogida en la investigaci�n de nuevas tecnolog�as, ya que permiten explorar algoritmos de forma segura y econ�mica en las primeras etapas del desarrollo tecnol�gico. Bajo la hip�tesis de que las im�genes m�dicas contienen informaci�n relevante sobre el desarrollo de una enfermedad que no es perceptible a trav�s de la observaci�n humana, el concepto de an�lisis radi�mico ha sido aceptado en el campo de la oncolog�a. El principal objetivo del an�lisis radi�mico es la extracci�n y an�lisis de diferentes caracter�sticas cuantitativas de las im�genes m�dicas. Estas caracter�sticas se utilizan normalmente para entrenar un algoritmo de aprendizaje para proporcionar una puntuaci�n de detecci�n. En este trabajo, proponemos un algoritmo para la detecci�n de lesiones en phantoms 3D de seno a partir de im�genes SOS (velocidad del sonido, por sus siglas en ingl�s). Para ello, primero se gener� un conjunto de 120 phamtoms de seno, de los cuales 60 inclu�an una lesi�n (masa espiculada). Luego, a partir de los phantoms se obtienen las im�genes SOS, esto se hace reemplazando cada una de las etiquetas de v�xel de cada tejido con el valor de velocidad de propagaci�n del sonido reportado en la literatura. Posteriormente, se implement� una metodolog�a para la detecci�n de lesiones que consisti� en la extracci�n de caracter�sticas radi�micas en cada corte, las cuales alimentan un clasificador compuesto por una regresi�n log�stica y un algoritmo de ponderaci�n. El algoritmo de ponderaci�n consist�a en un promedio m�vil de orden 3 que recib�a la puntuaci�n de detecci�n de cada corte como entrada y daba una puntuaci�n de detecci�n al nivel de seno como salida. Finalmente, el desempe�o de este clasificador basado en im�genes SOS se eval�a en t�rminos de AUC. Experimentos validados con validaci�n cruzada de 5 veces produjo un AUC de 0,73 (IC 95\%: 0,64-0,82), 0,89 (IC 95\%: 0,83-0,95) y 0,94 (IC 95\%: 0,89-0,98) para el an�lisis radi�mico utilizando im�genes SOS con un tama�o de p�xel de 1,5, 2,0 y 2,5 mm, respectivamente. Nuestros resultados sugieren que el an�lisis radi�mico de im�genes SOS podr�a ayudar en la tarea de detecci�n de lesiones mamarias. El uso del an�lisis radi�mico usando reconstrucciones de im�genes SOS mediante tomograf�a computarizada por ultrasonido debe investigarse m�s a fondo.
Topic:
Presentation Type:
Speaker:

Authors

Name	Institution	Email
Said Pertuz	Universidad Industrial de Santander	spertuz@uis.edu.co
Andres Felipe Vargas Molano	Universidad Industrial de Santander	andresvargas7137@gmail.com
Angie Nicole Hern�ndez Dur�n	Universidad Industrial de Santander	annicolehd@gmail.com
Ana Ramirez	Universidad Industrial de Santander	anaberam@uis.edu.co

Presentation

Room:	Aula Máxima de Ingeniería Mecánica Auditorium
Date:	1 December 2022
Hour:	09:20 - 09:40

Home

1^st ITMA

Innovative Technologies for Medical Applications

Universidad Industrial de Santander

Contact information:

Research group CPS: cps.info@uis.edu.co

Copyright © FORISTOM Foundation, 2022
All rights reserved