Une base de donnes de mammographies

1
Une base de données de mammographies

• Omar Boussaïd
• Riadh Ben Messaoud

Laboratoire ERIC Université de Lyon 2 5, avenue
Pierre MendèsFrance 69676, Bron Cedex
France http//eric.univ-lyon2.fr
2
Présentation

• DDSM Digital Database for Screening
  Mammography
• Un projet supporté par the Breast Cancer
  Research Program of the U.S. Army Medical
  Research and Materiel Command
• Partenaires
• Massachusetts General Hospital
• University of South Florida
• Sandia National Laboratories
• Washington University School of Medicine
• Wake Forest University School of Medicine

3
Objectifs

• Mettre des données de mammographies à la
  disposition de la communauté scientifique.
• Contribuer au développement dalgorithmes daide
  à la décision et dapprentissage dans le domaine
  médical.
• diagnostique et détection automatique de cas
  cancéreux
• La base est disponible à ladresse
• http//marathon.csee.usf.edu/Mammography/Database.
  html

4
Description

• La base contient 2 604 dossiers de patients.
• Un dossier est composé de
• 1 fichier .ics décrivant en format ASCII, les
  informations générales dun dossier de patient.
• 4 fichiers images .LJPEG (LOSSLESS JPEG) des
  radios numérisées.
• Chaque radio présente une angle de vue du sein
  Left_CC, Left_MLO, Right_CC, Right_MLO (CC
  Cranio-Caudal MLO Medio-Latral Oblique).
• Pour chaque radio présentant une ou des zones
  anormales, est associé un fichier .OVERLAY en
  format ASCII, décrivant une anomalie du sein.
• 1 fichier image .16_PGM regroupant les 4 radios
  et présentant un aperçu rapide pour la
  visualisation dun dossier de patient.

5
Description

• Le fichier .ics (Exemple B-3024-1.ics)

ics_version 1.0 filename B-3024-1 DATE_OF_STUDY
2 7 1995 PATIENT_AGE 42 FILM FILM_TYPE REGULAR
DENSITY 4 DATE_DIGITIZED 7 22 1997 DIGITIZER
LUMISYS SELECTED LEFT_CC LINES 4696
PIXELS_PER_LINE 3024 BITS_PER_PIXEL 12 RESOLUTION
50 NON-OVERLAY LEFT_MLO LINES 4688
PIXELS_PER_LINE 3048 BITS_PER_PIXEL 12 RESOLUTION
50 OVERLAY RIGHT_CC LINES 4624 PIXELS_PER_LINE
3056 BITS_PER_PIXEL 12 RESOLUTION 50 NON-OVERLAY
RIGHT_MLO LINES 4664 PIXELS_PER_LINE 3120
BITS_PER_PIXEL 12 RESOLUTION 50 OVERLAY
Anomalie détectée dans la radio
B_3024_1.RIGHT_MLO.LJPEG ? B_3024_1.RIGHT_MLO.OVE
RLAY
6
Description

• Le fichier B_3024_1.RIGHT_MLO.LJPEG

7
Description

• Le fichier B_3024_1.RIGHT_MLO.OVERLAY

TOTAL_ABNORMALITIES 1 ABNORMALITY 1 LESION_TYPE
MASS SHAPE OVAL MARGINS ILL_DEFINED ASSESSMENT 4
SUBTLETY 3 PATHOLOGY MALIGNANTTOTAL_OUTLINES 1
BOUNDARY 1284 4076 0 0 0 0 0 0 0 0 . . . 6 6 6
6 0 0

8
Description

• Les dossiers sont disponibles sur un compte FTP
• Les dossiers de patients sont classés selon 4
  volumes
• Normal
• Cancer
• Benign
• Benign without callback
• Bilan quantitatif et volumétrie
• 43 volumes
• 2 604 fichiers .ics
• 2 604 fichiers .16_PGM
• 10 416 fichiers images .LJPEG
• 4 636 fichiers .OVERLAY
• Volume total des données 230,9 Go

9
Extraction des données

• Applicatif de mise à disposition des données de
  la base DDSM

http//eric.univ-lyon2.fr/gt-fdc/mammo/

• Récupération des données sous forme
• Structurée Base relationnelle (MySql)
• Semi-structurée Documents XML
• Script SQL

10
Parseur PHP

• Entrées
• Volumes des dossiers à extraire
• Format des données de sortie (MySQL, XML, SQL)

11
Parseur PHP

• Étape 1
• Connexion au compte FTP ftp//figment.csee.usf.edu
  /pub/DDSM/cases/
• Ouverture des fichiers .ics et .OVERLAY dans les
  volumes sélectionnés

12
Parseur PHP

• Étape 2
• Lecture des fichier .ics et .OVERLAY
• Extraction des données selon des fonctions de
  reconnaissance de caractères

ics_version 1.0 filename B-3024-1 DATE_OF_STUDY
2 7 1995 PATIENT_AGE 42 FILM FILM_TYPE REGULAR
DENSITY 4 DATE_DIGITIZED 7 22 1997 DIGITIZER
LUMISYS SELECTED LEFT_CC LINES 4696
PIXELS_PER_LINE 3024 BITS_PER_PIXEL 12 RESOLUTION
50 NON-OVERLAY LEFT_MLO LINES 4688
PIXELS_PER_LINE 3048 BITS_PER_PIXEL 12 RESOLUTION
50 OVERLAY RIGHT_CC LINES 4624 PIXELS_PER_LINE
3056 BITS_PER_PIXEL 12 RESOLUTION 50 NON-OVERLAY
RIGHT_MLO LINES 4664 PIXELS_PER_LINE 3120
BITS_PER_PIXEL 12 RESOLUTION 50 OVERLAY
13
Parseur PHP

• Étape 3
• Écriture des données extraites dans le format de
  données sélectionné (MySQL, XML, SQL)

MySQL
FTP
XML
Parseur PHP
SQL
14
Structure de la base MySQL
Taille totale de la base 17,2 Mo

• 4647 enregistrements
• 14 Mo

• 4636 enregistrements
• 972 Ko

• 10416 enregistrements
• 1,67 Mo

• 2604 enregistrements
• 490 Ko

15
Extraction des données
MySQL
FTP
XML
Parseur PHP
SQL
16
Structure du fichier XML
lt?xml version"1.0" encoding"ISO-8859-1" ?gt
ltcasesgt ltcasegt ltcase_idgt 1 lt/case_idgt  
ltcase_typegt benign lt/case_typegt  
ltics_versiongt 1.0 lt/ics_versiongt  
ltics_file_namegt A-1123-1.ics lt/ics_file_namegt
ltsequencegt sequence lt/sequencegt
ltleft_ccgt lt/left_ccgt ltleft_mlogt 
lt/left_mlogt ltright_ccgt lt/right_ccgt
ltright_mlogt   lt/right_mlogt
lt/casegt lt/casesgt
17
Extraction des données
MySQL
FTP
XML
Parseur PHP
SQL
18
Structure du fichier SQL

• Création dune table
• CREATE TABLE IF NOT EXISTS table_mammo ( case_id
  int(10) NOT NULL AUTO_INCREMENT, case_type
  varchar(25), ics_version char(3), ics_file_name
  varchar(50), . . . PRIMARY KEY (case_id))
• Insertion des données dans la table

INSERT INTO table_mammo VALUES ('', 'benign',
'1.0', 'C-0029-1.ics', . . . ) INSERT INTO
table_mammo VALUES ('', 'benign', '1.0',
'C-0029-2.ics', . . . )
19
Démonstration

• http//localhost/mammo/

20
Conclusion

• DDSM une base de données complexes
• 2 604 dossiers de patients
• Un volume total de 230,9 Go
• Applicatif de mise à disposition des données sur
  les mammographies
• Sélectionner les données à récupérer pour des
  analyses ciblées

21
Nouvelle adresse du site du GT FDC

• http//eric.univ-lyon2.fr/gt-fdc/