Une base de données de mammographies Omar Boussaïd Riadh Ben Messaoud Laboratoire ERIC – Université de Lyon 2 5, avenue Pierre Mendès–France 69676, Bron Cedex – France http://eric.univ-lyon2.fr

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

Objectifs Mettre des données de mammographies à la disposition de la communauté scientifique. Contribuer au développement d’algorithmes d’aide à la décision et d’apprentissage dans le domaine médical. diagnostique et détection automatique de cas cancéreux La base est disponible à l’adresse : http://marathon.csee.usf.edu/Mammography/Database.html

Description La base contient 2 604 dossiers de patients. Un dossier est composé de : 1 fichier .ics décrivant en format ASCII, les informations générales d’un 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 d’un dossier de patient.

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.OVERLAY

Le fichier B_3024_1.RIGHT_MLO.LJPEG Description Le fichier B_3024_1.RIGHT_MLO.LJPEG

Le fichier B_3024_1.RIGHT_MLO.OVERLAY 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 # Chain code value 1 2 3 4 5 6 7 X Coordinate -1 Y coordinate X Y 7 1 6 2 5 4 3

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

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

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

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

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

Parseur PHP XML FTP SQL Étape 3 : Parseur PHP Écriture des données extraites dans le format de données sélectionné (MySQL, XML, SQL) MySQL FTP Parseur PHP XML SQL

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

Extraction des données MySQL FTP Parseur PHP XML SQL

Structure du fichier XML <?xml version="1.0" encoding="ISO-8859-1" ?> <cases> <case> <case_id> 1 </case_id>   <case_type> benign </case_type>   <ics_version> 1.0 </ics_version>   <ics_file_name> A-1123-1.ics </ics_file_name> … <sequence> sequence </sequence> <left_cc> … </left_cc> <left_mlo>  … </left_mlo> <right_cc> … </right_cc> <right_mlo> …   </right_mlo> </case> </cases>

Extraction des données MySQL FTP Parseur PHP XML SQL

Structure du fichier SQL Création d’une 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', . . . );

Démonstration http://localhost/mammo/

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

Nouvelle adresse du site du GT FDC http://eric.univ-lyon2.fr/~gt-fdc/