شناسایی ‌تومورها ‌با‌ کمترین‌ خطا

مهندس سیدمسعود هاشمی، دانشجوی کارشناسی ارشد برق ‌ الکترونیک دانشگاه صنعتی اصفهان  و طراح الگوریتم تشخیص خودکار تومورهای سرطان سینه می‌گوید: تصاویر ماموگرافی  با وجود این که دارای اطلاعات زیادی هستند به علت نوع تصویر به دست آمده که از تابش اشعه X است، نیاز به دقت فراوان و مهارت پزشک متخصص دارد که تمام این اطلاعات را نمی‌توان توسط چشم تشخیص داد. برای افزایش وضوح و کیفیت تصویر نیاز به پردازش تصویر است. ماموگرافی دارای 2 نوع آنالوگ و دیجیتال است که در ایران اغلب موارد، نوع آنالوگ آن مورد استفاده قرار می‌گیرد. بنابراین برای انجام پروسه پردازش تصویر بایستی با استفاده از دستگاه‌های واسط مانند اسکنرهای مخصوص تصاویر پزشکی به تصویر دیجیتال قابل استفاده در رایانه تبدیل شوند. که این کار به نوبه خود از کیفیت تصویر خواهد کاست. در ضمن این که دوز اشعه X در نوع دیجیتال پایین‌تر است و بنابراین اثرات سوء آن بر بیمار کمتر است.

تصویربرداری با استفاده از امواج مافوق صوت‌

این روش از نظر اثرات سوء جزو کم‌اثرترین و سالم‌ترین روش‌هاست، ولی تمام ضایعات با استفاده از این روش قابل شناسایی نیستند. این روش برای شناسایی ضایعات کیستی که اغلب از ضایعات خوش‌خیم هستند استفاده می‌شود.

تصاویر MRI  

مهندس هاشمی تاکید می‌کند: این روش با وجود موفقیت‌های زیاد به دست آمده در استفاده از این روش برای شناسایی سرطان سینه هنوز به عنوان روش اصلی تشخیص مورد استفاده قرار نمی‌گیرد.

از دیگر روش‌ها نیز به استفاده از سیستم پت (pet) یا تصویربرداری به وسیله انتشار پوزیترون و همچنین روش‌های نوظهوری مانند ترموگرافی و تصویربرداری با استفاده از آمپدانس بدن می‌توان اشاره کرد.

مناسب‌ترین روش تشخیص سرطان سینه

با استفاده از ماموگرافی می‌توان اغلب ضایعات سرطانی مانند تومورها، کلسیفیکیشن‌ها و ناهمواری‌های ساختاری و عدم تقارن دو سینه را شناسایی کرد. در ضمن این روش در مقایسه با روش‌های دیگر هزینه پایین‌تری را داراست. به علاوه دستگاه‌های ماموگرافی به تعداد بیشتر موجود هستند. اما با توجه به استفاده از اشعهX  برای تصویربرداری دارای اثرات سوء بر بیمار است که این اثر با استفاده از دوز پایین در دستگاه‌های دیجیتال کاهش یافته است.

کاهش درصد خطای پزشک‌

برای شناسایی خودکار ضایعات سرطانی از سیستم‌های پردازش تصویر استفاده می‌شود.

مهندس هاشمی می‌افزاید: البته باید در نظر داشت که این روش‌های خودکار شناسایی را به دلیل ریسکی که در تشخیص‌های پزشکی وجود دارد نمی‌توان به طور صد درصد استفاده کرد. چراکه موضوع شناسایی زودهنگام سرطان است و تنها راه کاهش احتمال مرگ‌ومیر مبتلایان به سرطان شناسایی زودهنگام است، بنابراین در صورت بروز خطا در شناسایی جان بیمار در معرض خطر قرار می‌گیرد. در اصل هدف از طراحی این سیستم‌ها فراهم کردن یک نظر ثانوی برای پزشک است تا باعث کاهش درصد خطای پزشک در تشخیص شود. آمارها نشان می‌دهد که 10 تا 30 درصد تشخیص‌هایی که پزشکان از روی تصاویر ماموگرام انجام می‌دهند دارای خطاست. استفاده از سیستم شناسایی خودکار در کنار پزشک می‌تواند این درصد خطا را کاهش دهد و کاهش درصد خطا به نوبه خود باعث کاهش تعداد نمونه‌برداری‌های غیرلازم می‌شود.

نقاط درگیر به دقت شناسایی می‌شوند

عملیات تشخیص و شناسایی در سیستم طراحی شده طی‌ 4 مرحله انجام می‌گیرد، در مرحله اول مرز سینه و محل سر سینه با دقت بسیار بالایی شناسایی می‌شود.

مهندس هاشمی تاکید می‌کند: به دست آوردن محل دقیق سر سینه به پزشک در یافتن یکسری از ضایعات مانند ناهماهنگی‌‌های ساختاری کمک می‌کند. در بسیاری از تصاویر ماموگرام به علت وضوح  بسیار پایین تصویر بدون استفاده از روش‌های پردازش تصویر به دست آوردن محل دقیق سر سینه امکانپذیر نیست. در ضمن شناسایی دقیق مرز سینه به ما توانایی حذف مناطق خارج از سینه را که دارای اطلاعات مفید نیست را می‌دهد. در ضمن این که تمام حجم سینه وارد الگوریتم شناسایی می‌شود. در مرحله بعد تمام نواحی که با احتمال بیشتری دارای ضایعه هستند، شناسایی می‌شوند. اطلاعاتی که در این مرحله برای شناسایی استفاده می‌شود سایز و روشنایی نسبی تومورها نسبت به بافت اطراف خود است.

سیستمی کمکی در کنار مفسر ماموگرام‌

تومورها اغلب دارای اندازه‌هایی بین 3/0 تا 30 میلیمتر هستند، البته تومورهای بزرگتر نیز وجود دارند اما این تومورها با استفاده از روش‌های تست لمسی براحتی قابل شناسایی هستند. در این مرحله سعی بر آن است که  نواحی دارای تومور حتما مورد شناسایی قرار گیرند. البته شناسایی قطعی در مرحله سوم و چهارم انجام می‌گیرد.

در مرحله سوم از هریک از تصاویر به دست آمده از مرحله قبل با استفاده از روش‌های استخراج داده (data mining) ویژگی‌‌هایی که معرف نوع ساختار بافت هستند، استخراج می‌شوند. با استفاده از این ویژگی‌ها و شبکه‌های عصبی مصنوعی درباره وجود یا عدم وجود تومور تصمیم‌گیری انجام می‌شود.

برای شناسایی بهترین ویژگی‌هایی که می‌توانند به خوبی بافت سالم و ناسالم را تفکیک کنند روش‌های متفاوتی مورد مقایسه قرار گرفتند و برای انتخاب بهترین این ویژگی‌ها از یک سیستم انتخاب خودکار مبتنی بر الگوریتم‌های ژنتیک استفاده شد. برای انجام تصمیم‌گیری نهایی نیز از ابزار کلاس‌بندی داده با نام SVM استفاده شده است که یکی از بهترین روش‌های موجود برای این منظور است.

در نهایت با استفاده از الگوریتم پیشنهادی می‌توان  به درصد شناسایی مثبت صحیح 3/97 درصد و درصد شناسایی مثبت کاذب 65/16 درصد رسید که درصدهای بسیار مناسب و قابل قبولی هستند. در مرحله نهایی نیز  با استفاده از شکل ظاهری تومور و با توجه به لبه‌های تومور درباره خوش‌خیم یا بدخیم بودن آن تصمیم‌گیری می‌شود که در این مرحله نیز می‌توان  به درصد شناسایی مثبت صحیح 91 درصد و درصد شناسایی مثبت کاذب 30 درصد رسید.

بنابراین طبق آمارهای به دست آمده با استفاده از سیستم طراحی شده می‌توان از آن به عنوان یک نظر ثانوی در کنار مفسر ماموگرام مورد استفاده قرار داد.

چشم‌انداز اجرایی پروژه‌

اجرای گسترده‌تر این پروژه به صورت طرحی توسط مرکز تحقیقاتی تصاویر و سیگنال‌های پزشکی به صورت مشترک بین دانشگاه صنعتی اصفهان و دانشگاه علوم پزشکی اصفهان، زیر نظر اساتید مربوطه مورد تصویب قرار گرفته است. اما بودجه تخصیص یافته به این پروژه یک بودجه دانشگاهی و ناچیز است، که با وجود این مقدار ناچیز دستیابی به اهدافی که مدنظر هستند بسیار دور از دسترس به نظر می‌رسد. در ضمن این‌که تهیه یک پایگاه تصویر دیجیتال از نمونه‌های ایرانی که شامل تصاویر مختلفی در طول چندین سال از بیمار باشد برای طراحی سیستم بسیار دقیق تجاری لازم به نظر می‌رسد.

افزایش دقت پزشک در بررسی تصاویر ماموگرافی

همان‌طور که می‌دانید با افزایش احتمال ابتلا به سرطان سینه در سنین بالای 40 سال، زنانی که دارای سنین بالاتر از 40 هستند بایستی به صورت مداوم مورد تست قرار گیرند. بنابراین در صورت به وجود آمدن یک برنامه همگانی سلامتی برای مقابله با سرطان سینه که یکی از شعارهای سازمان سلامت جهانی است، پزشکان با حجم انبوهی از تصاویر مواجه خواهند شد. بخاطر نوع خاص تصاویر ماموگرام تحلیل این تصاویر دقت زیادی را طلب می‌کند و تحلیل کامل یک تصویر باعث خستگی و کاهش دقت پزشک می‌شود.

تنها  آمار ارائه شده در امریکا نشان می‌دهد 60 میلیون زن بالای 40 سال در این کشور وجود دارد که
30 میلیون تصویر ماموگرام در هر سال از آنها گرفته می‌شود. 5 تا 10 درصد برای آزمایشات بیشتر معرفی می‌شوند  از 2 تا 5 درصد آنها نمونه‌برداری صورت می‌گیرد و تنها 5/0 درصد دارای ضایعه سرطانی هستند. در ضمن در اغلب اوقات تومورها در بافت‌های خاصی به وجود می‌آیند ولی امکان جابجا شدن آنها وجود دارد که علت این جابجایی ناشناخته است.

بنابراین با افزایش تعداد مراجعات احتمال آن که پزشک فقط به مناطقی که دارای احتمال بیشتر دارای ضایع هستند توجه کند، بیشتر می‌شود که این احتمال خطا را افزایش می‌دهد. بنابراین طراحی یک سیستم خودکار شناسایی که با انجام یک شناسایی اولیه تمام نواحی را که دارای ضایعه هستند را برای پزشک مشخص نماید تا پزشک آن نواحی را با دقت بیشتر مورد مطالعه قرار دهد بسیار مورد توجه قرار دارد.