Journal of the Institute of Electronics Engineers of Korea SP (대한전자공학회논문지SP)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Implementation of Wavelet-based detector of Microcalcifications in Mammogram

맘모그램에서 마이크로캘시피케이션을 검출하기 위한 웨이블릿 검출기의 구현

  • Published : 2001.07.01
Download PDF
⟨ Previous Next ⟩

Abstract

It is shown that the multiscale prewhitening matched filter for detecting Gaussian objects in Markov noise can be implemented by the undecimated wavelet transform with a biorthogonal spline wavelet. If the object to be detected is Gaussian shaped and its scale coincides with one of those computed by the wavelet transform, and if the background noise is truly Markov, then optimum detection is realized by thresholding the appropriate details image. Our detection algorithm is applied to the digitized mammograms for detecting microcalcifications. However, microcalcifications are not exactly Gaussian shaped and its background noise may not be Markov. In order to campensate for these discrepancy, Hotelling observer is employed, which is applied to feature vectors comprised of 3-octave wavelet coefficients.

본 논문에서는 웨이블릿 변환을 멀티스케일 매치 필터의 관점에서 해석하고, 이를 위하여 마르코프 랜덤 필드에 묻혀있는 가우시안 형태의 작은 물체를 검출하는 이론적 근거를 제시하며, 이의 응용으로 맘모그램에 존재하는 마이크로캘시피케이션을 검출하는 알고리즘을 제안한다. 검출하고자 하는 물체가 가우시안 형태이고 그 스케일이 웨이블릿 변환에 의해 계산된 것과 일치하며, 그 주변의 잡영이 마르코프 프로세스이면, LoG(Laplacian of Gaussian) 웨이블릿은 멀티스케일 매치 필터로 작용하며, 적절한 디테일 이미지를 단순히 이진화함으로써 최적의 검출기를 구현할 수 있다. 그런데, 마이크로캘시피케이션은 정확한 가우시안 형태를 갖지 않고, 게다가 맘모그램의 배경이미지도 마르코프 프로세스라는 가정에서 벗어난다. 이러한 불일치를 해결하기 위하여, 본 논문에서는 멀티스케일 웨이블릿 계수에서 추출한 특징벡터를 Hotelling observer에 입력하여 처리함으로써 이를 보상하고자 하였다.

Keywords

References

  1. X. Yu, I. S. Reed, W. Kraske, and A. D. Stocker, 'A robust adaptive multispectral object detection by using wavelet transform', ICASSP-92, V-141-144, 1992 https://doi.org/10.1109/ICASSP.1992.226638
  2. D.P. Casasent, J. S. Smokelin, and A. Ye, 'Wavelet and gabor transforms for detection', Optical Engineering, 31(9):893-1898, September, 1992 https://doi.org/10.1117/12.59913
  3. A. Laine, J. Fan, and S. Schuler, 'A framework for contrast enhancement by dyadic wavelet analysis', Proc. Second Int. Workshop on Digital Mammography (Elsevier, Amsterdam), A. G. Gale et al., Editors, York, UK, pp. 91-100, 1994
  4. S. Mallat, 'A theory for multiresolution signal decomposition: The wavelet representation', IEEE Trans. PAMI, vol. 11, no. 7, pp. 674-693, July, 1989 https://doi.org/10.1109/34.192463
  5. A. Cohen, I. Daubechies, and J. C. Feauveau, 'Biorthogonal bases of compactly supported wavelets', AT&T Bell Lab., Tech. Rep., TM11217-900529-07, 1990
  6. B. R. Hunt and T. M. Cannon, 'Nonstationary assumptions for Gaussian models of images', IEEE Trans. on Systems, Man, and Cybernetics, Vol. SMC-6, pp. 876-882, Dec. 1976
  7. 한희일, 'Wavelet theory applied to detecting objects buried in complex backgrounds', 한국외국어대학교 정보산업공학논문집, pp. 63-75, 1999. 2.
  8. R. N. Strickland and H. I. Hahn, 'Wavelet transform methods for object detection and recovery', IEEE Trans. Image Processing, pp. 724-735, May, 1997 https://doi.org/10.1109/83.568929
  9. 한희일, '맘모그램에서 마이크로캘시피케이션을 검출하기 위한 웨이블릿 알고리즘', 제13회 영상처리 및 이해에 관한 워크샵, pp. 11-14, 2001년 1월
  10. R. N. Strickland and H. I. Hahn, 'Wavelet transforms for detecting microcalcifications in mammogram', IEEE Trans. Medical Imaging, vol. 15, pp. 218-229, Apr. 1996 https://doi.org/10.1109/42.491423
  11. L. W. Bassett, 'Mammographic analysis of calcifications', Radiol. Clin. No. Amer., vol. 30, pp. 93-105, 1992
  12. H. P. Chan, K. Doi, C. J. Vyborny, K. L. Lam, and R. A. Schmidt, 'Computer-aided detection of microcalcifications in mammograms: Methodology and preliminary clinical study', Investigat. Radiol. vol. 23, pp. 664-671, 1988
  13. K. S. Woods, J. L. Solka, C. E. Priebe, W. P. Kegelmeyer, C. C. Doss and K. W. Bowyer, 'Comparative evaluation of pattern recognition techniques for detection of microcalcifications in mammography'. Int. J. Pattern Recogrition Artificial Intell., vol. 7, Dec. 1993