WPROWADZENIE
doświadczeni radiolodzy niezależnie od siebie wydają różne diagnozy, dotyczące tego samego przypadku. Błędy w diagnostyce mogą dotyczyć przeoczenia zmiany widocznej (zwyrodnienia czasem są bardzo małe lub ukryte w zdrowej tkance) lub niewłaściwej oceny wykrytej patologii (m.in. rozróżnienia pomiędzy zmianami złośliwymi i łagodnymi).
Uznaną metodą poprawy skuteczności diagnozy jest druga opinia lub wykorzystanie systemów CAD (Computer Aided Detection), zatwierdzonych w ostatnich latach przed FDA (Food and Drug Administration), np. ImageChecker [73] zaaprobowany do badań przesiewowych już w 1998 roku.
Konsultacje kilku lekarzy, dotyczące tego samego przypadku, zwiększają skuteczność mammografii o około 15% [78], ale jednocześnie zmniejszają wydajność ich pracy. Natomiast czułość jednego radiologa wspieranego przez system wspomagania detekcji CAD, może wzrosnąć od 7% do 19,5% [38].
Komputerowe wspomaganie diagnostyki raka piersi pozwala w większym stopniu zobiektywizować interpretację zdjęć mammograficznych i zmniejszyć konieczny nakład pracy lekarzy. Jego celem jest pomoc lekarzowi w wydawaniu prawidłowej diagnozy (zwiększenie dokładności diagnostycznej) poprzez zwiększenie możliwości detekcji i właściwej oceny patologii.
Komputerowa analiza i przetwarzanie cyfrowych obrazów mammograficznych są wykorzystywane do poprawy jakości obrazów, lepszej prezentacji zawartej w nich informacji diagnostycznej oraz automatycznej detekcji i klasyfikacji podejrzanych zmian w tkance. Komputerowe wspomaganie diagnostyki oraz komputerowa detekcja różnych radiologicznych anomalii są dziedzinami, które rozwijają się intensywnie w ostatnich latach [78, 97], a mimo tego w wielu przypadkach są zawodne.
Oprócz powyższych rozważań, wykazujących, jak ważne są projektowanie i realizacja systemów wspomagających tak trudną modalność jak mammografia, poniżej przedstawiam koncepcje oraz kolejne cele, które stawiałam sobie podczas wykonywania prac, związanych z niniejszą rozprawą.
Od początku przyświecał mi cel realizacji aplikacji - systemu, który będzie mógł być w przyszłości wykorzystany przez radiologów, będzie wspomagał ich pracę w fazie analizy badań mammograficznych. Dodatkowym moim założeniem było stworzenie wygodnego środowiska (framework) do implementacji i testowania różnych algorytmów, przede wszystkim przetwarzania i analizy obrazów. Wykorzystanie istniejących dostępnych aplikacji, służących do przetwarzania obrazów, okazało się niewystarczające, przede wszystkim ze względu na specyfikę obrazów mammograficznych i problemy ich analizy. W obrazach mammograficznych dominują różne rodzaje tekstur, a zmiany są często słabo skontrastowa-ne. Ponadto współcześnie cyfrowe obrazy mammograficzne mają głębię koloru 2-bajtową (10-, 12-, 16-bitową) oraz są to bardzo duże obrazy (rzędu 4-5,5 tys. na 6-7 tys. pikseli). Opracowany system MammoViewer pozwalał na realizację wielu metod przetwarzania obrazów oraz ich optymalizację, w tym na stworzenie
2