Subscribe to RSS
DOI: 10.1055/s-2005-858321
© Georg Thieme Verlag KG Stuttgart · New York
Retrospektive Analyse eines computerassistierten Detektions-Systems (CAD) in der digitalen Vollfeldmammographie in Abhängigkeit von der Histologie
Retrospective Analysis of a Computer-Aided Detection (CAD) System in Full-Field Digital Mammography in Correlation to Tumor HistologyPublication History
Publication Date:
14 July 2005 (online)
![](https://www.thieme-connect.de/media/roefo/200508/lookinside/thumbnails/10.1055-s-2005-858321-1.jpg)
Zusammenfassung
Ziel: Ziel dieser Arbeit ist es, die Wertigkeit eines computerassistierten Detektions-Systems (CAD) in der digitalen Vollfeldmammographie in Abhängigkeit von der Histologie zu bestimmen. Material und Methode: 476 Personen (226 Patientinnen mit histologisch gesichertem malignem Tumor, 250 gesunde Frauen) wurden retrospektiv mit dem CAD-System Image Checker ausgewertet. Bei 226 Patientinnen lagen digitale Mammographie-Aufnahmen in MLO-Ebene und bei 186 Patientinnen in CC-Ebene vor. CAD-Markierungen, die mit dem vom Radiologen diagnostizierten Befund des histologisch gesicherten Karzinoms übereinstimmten, wurden als richtig-positiv bzw. Treffer gedeutet. Die übrigen Markierungen galten als falsch-positiv. Nicht markierte als Mammakarzinom gesicherte Befunde wurden als falsch-negativ gewertet. Inwiefern der unterschiedliche histologische Karzinomtyp einen Einfluss auf die Markierungen hatte, wurde mit dem Chi-Quadrat-Test geprüft. Ergebnisse: Die unterschiedlichen histologischen Typen zeigten keine signifikanten Einflüsse auf die Erkennbarkeit von malignen Mammabefunden mithilfe eines CAD-Systems. Für duktale Karzinome in situ (DCIS), invasive duktale Karzinome (IDC), invasive lobuläre Karzinome (ILC), lobuläre Karzinome in situ (LCIS), tubuläre Karzinome und duktulo-lobuläre Karzinome ergab sich jeweils eine Trefferquote von 71,1 %, 75 %, 70,7 %, 70 %, 60 % und 80 % in der MLO-Ebene und von 83,9 %, 75,9 %, 81,8 %, 77,8 %, 87,5 % und 33,3 % in der CC-Ebene. Insgesamt gab es etwa 0,5 falsch-positive Markierungen pro Bild. Schlussfolgerung: Der histologische Karzinomtyp scheint keinen Einfluss auf die richtig-positive Trefferquote eines CAD-Systems zu haben. Aufgrund der hohen Rate an falsch-positiven Markierungen ist jedoch die Spezifität der CAD-Systeme derzeit noch eingeschränkt, so dass konsequente Weiterentwicklungen notwendig sind.
Abstract
Purpose: To evaluate the usefulness of a computer-aided detection (CAD) system in full-field digital mammography in correlation to tumor histology. Material and Methods: A total of 476 patients (226 patients with histologically proven malignant tumors, 250 healthy women) took part in this study. The mammograms were studied retrospectively, using the CAD system Image Checker. For 226 patients digital mammograms in MLO-projection were available. For 186 of these patients the CC-projection was also available. CAD markers that correlated with histologically proven carcinomas were considered to be true-positive markers. All other CAD markers were considered to be false-positive. Histologically proven carcinomas without markers were false-negative results. The dependence of the CAD markers placement upon the different carcinoma histologies was studied using the Chi-square test. Results: No significant difference could be proven for the detectability of malignant breast lesions of different histologic types. For the detectability of ductal carcinoma in situ (DCIS), invasive ductal carcinoma (IDC), invasive lobular carcinoma (ILC), lobular carcinoma in situ (LCIS), tubular carcinoma and ductulo-lobular carcinoma, the true positives were 71.1 %, 75 %, 70.7 %, 70 %, 60 % and 80 %, respectively, in the MLO projection and 83.9 %, 75.9 %, 81.8 %, 77.8 %, 87.5 % and 33.3 %, respectively, in the CC projection. There was an average of 0.5 false-positive markers per mammographic image. Conclusion: The histologic type of carcinoma seems to have no influence on detectability when using the CAD system. The high rate of false-positive markers shows, however, the limited specificity of the CAD system and that improvements are necessary.
Key words
Digital mammography - computer-aided detection (CAD) - tumor detectability - tumor histology
Literatur
- 1 Jarlman O, Samuelsson L, Braw M. Digital luminescence mammography. Early clinical experience, Acta Radiol. 1991; 32 110-113
- 2 Obenauer S, Hermann K P, Grabbe E. Dose reduction in full-field digital mammography: an anthropomorphic breast phantom study. Br J Radiol. 2003; 76 478-482
- 3 Funovics M, Schamps S, Helbich T. et al . Evaluierung eines computerassistierten Diagnosesystems in der Erkennung eines Mammakarzinoms. Fortschr Röntgenstr. 2001; 173 218-223
- 4 Freer T W, Ulissey M J. Screening mammography with computer-aided detection: prospective study of 12.860 patients in a community breast center. Radiology. 2001; 220 781-786
- 5 Thurfjell E L, Lernevall K A, Taube A A. Benefit of independent double reading in a population-based mammography screening program. Radiology. 1994; 191 241-244
- 6 Kopans D B. Double reading. Radiol Clin North Am. 2000; 38 719-724
- 7 Aichinger U, Schulz-Wendtland R, Bautz W. Der Stellenwert von CAD-Systemen. Radiologe. 2002; 42 270-274
- 8 Baum F, Fischer U, Obenauer S. et al . Computer-aided detection in direct digital full-field mammography: initial results. Eur Radiol. 2002; 12 3015-3017
- 9 Bick U. Computerassistierte Diagnose in der Screeningmammographie. Radiologe. 1996; 36 72-80
- 10 Birdwell R L, Ikeda D M, O’Shaughnessy K F. et al . Mammographic characteristics of 115 missed cancers later detected with screening mammography and the potential utility of computer-aided-detection. Radiology. 2001; 219 192-202
- 11 Brem R F, Schoonjans J M. Radiologist detection of microcalcifications with and without computer-aided detection: a comperative study. Clin Radiol. 2001; 56 150-154
- 12 Chan H P, Doi K, Vyborny C J. et al . Improvement in radiologists’ detection of clustered microcalcifications on mammograms. The potential of computer-aided diagnosis. Invest Radiol. 1990; 10 1102-1110
- 13 Jiang Y, Nishikawar R M, Schmidt R A. et al . Potential of computer-aided diagnosis to reduce variabilty in radiologists’ interpretations of mammograms depicting microcalcifications. Radiology. 2001; 220 787-794
- 14 Diekmann S, Bick U, von Heyden H. et al . Visualisierung von Mikrokalzifikationen in digitaler Vollfeld-Mammographie im Vergleich zu konventioneller Film-Folien-Mammographie. Fortschr Rontgenstr. 2003; 175 775-779
- 15 Malich A, Vogel D, Facius M. et al . Evaluation der primären Diagnose mit einem CAD-System in der Mammographie. Fortschr Rontgenstr. 2003; 175 1225-1231
- 16 Grunert J H, Khalifa R, Gmelin E. Computer-gestützte Segmentierung, Formanalyse und Klassifikation von 2975 Brust-Mikrokalzifikationen mittels einer 7-fachen Mikrofokus Vergrosserungsmammographie. Fortschr Rontgenstr. 2004; 176 1759-1765
- 17 Uchiyama N, Miyakawa K, Moriyama N. et al . Radiographic features of invasive lobular carcinoma of the breast. Radiat Med. 2001; 19 19-25
- 18 Baker J A, Rosen E L, Lo J Y. et al . Computer-aided detection (CAD) in screening mammography: sensitivity of commercial CAD systems for detecting architectural distortion. AJR. 2003; 181 1083-1088
- 19 Chan H P, Niklason L T, Ikeda D M. et al . Digitization requirements in mammography: effects on computer-aided detection of microcalcifications. Med Phys. 1994; 21 1203-1211
- 20 Chan H P, Sahiner B, Helvie M A. et al . Improvement of radiologists’ characterization of mammographic masses by using computer-aided diagnosis: an ROC study. Radiology. 1999; 212 817-827
- 21 Evans W P, Warren B urhenne LJ, Laurie L. et al . Invasive lobular carcinoma of the breast: mammographic characteristics and computer aided detection. Radiology. 2002; 225 182-189
- 22 Kegelmeyer W P, Pruneda J M, Bourland P D. et al . Computer-aided mammographic screening for spiculated lesions. Radiology. 1994; 191 331-337
- 23 Petrick N, Sahiner B, Chan H. et al . Breast cancer detection: evaluation of a mass detection algorithm for computer aided diagnosis: experience in 263 patients. Radiology. 2002; 224 217-224
- 24 Quek S T, Thng C H, Khoo J B. et al . Radiologists’ detection of mammographic abnormalities with and without a computer-aided detection system. Australas Radiol. 2003; 47 257-260
- 25 Sittek H, Perlet C, Helmberger R. et al . Computerassistierte Analyse von Mammographien in der klinischen Routinediagnostik. Radiologe. 1998; 38 848-852
- 26 Vyborny C J, Doi T, O’Shaughnessy K. et al . Breast cancer: importance of spiculation in computer-aided detection. Radiology. 2000; 215 703-707
- 27 Malich A, Sauner D, Marx C. et al . Influence of breast lesion size and histologic findings on tumor detection rate of a computer-aided detection system. Radiology. 2003; 228 851-856
- 28 Sheppard D G, Whitman G J, Huynh P T. et al . Tubular carcinoma of the breast: mammographic and sonographic features. AJR. 2000; 174 253-257
- 29 Memis A, Ozdemir N, Parilar M. et al . Mucinous (colloid) breast cancer: Mammographic and US features with histologic correlation. Eur Radiol. 2000; 35 39-43
- 30 Goodman D N, Boutross-Tadross O, Jong R A. Mammographic features of pure mucinous carcinoma of the breast with pathological correlation. Can Assoc Radiol J. 1995; 46 296-301
Dr. S. Obenauer
Abt. Diagnostische Radiologie
Georg-August-Universität Göttingen
Robert-Koch-Straße 40
37099 Göttingen
Email: soben@med.uni-goettingen.de