An Advanced Deep Learning Framework for Real-Time Breast Cancer Lesion Analysis in Clinical Ultrasound
Date
2025-05-20
Authors
Suliman Imad Suliman Thwib
سليمان عماد سليمان ذويب
Journal Title
Journal ISSN
Volume Title
Publisher
Al-Quds University
Abstract
Breast cancer represents the most common malignancy among Palestinian women, accounting for 32.1% of all female cancers with a concerning 52% of cases diagnosed at advanced stages. Early detection is hindered by multiple challenges, including limited access to specialized radiologists, inadequate digital infrastructure, and socioeconomic barriers. This research develops and validates an advanced deep learning framework for real-time breast cancer lesion analysis in clinical ultrasound videos, specifically designed to address these challenges within the Palestinian healthcare context.
The research encompasses the entire analytical pipeline from contrast enhancement through detection to tracking. A comprehensive dataset of 17,903 ultrasound cases was curated from two Palestinian healthcare facilities, including 11,383 images from the Dunya Women's Cancer Center (2018-2023) and 6,520 video frames from Augusta Victoria Hospital (2024-2025). This locally representative dataset, including cases with confirmatory biopsy results, ensured the clinical relevance and cultural appropriateness of the developed system.
The framework integrates three key technical innovations. First, a systematic evaluation of contrast enhancement techniques identified Contrast-Limited Adaptive Histogram Equalization (CLAHE) with a clip limit of 1 as optimal for breast ultrasound preprocessing, achieving superior Enhancement Measure Estimation (23.670) and Peak Signal-to-Noise Ratio (24.359) with minimal computational overhead (0.536ms). Second, comprehensive comparison of You Only Look Once (YOLO) architectures established YOLOv11-L as the most effective model for lesion detection, achieving mean Average Precision of 0.93 and sensitivity of 0.88 while maintaining real-time performance (4.6ms). Transfer learning further improved performance, with the TL12 approach achieving mAP of 0.955 and sensitivity of 0.938. Third, a novel hybrid Detection-Based Tracking (DBT) approach combining Kernelized Correlation Filter (KCF) tracking with YOLO verification demonstrated superior performance for lesion tracking, achieving success rates of 0.976 for benign and 0.984 for malignant lesions when combined with CLAHE preprocessing.
Performance evaluation using ultrasound video sequences with confirmatory biopsy results validated the framework's clinical applicability. The combined pipeline maintained real-time processing capability (approximately 54 frames per second) while achieving high accuracy in lesion detection and tracking. These results demonstrate that deep learning approaches can effectively enhance breast ultrasound interpretation capabilities in resource-constrained healthcare environments.
This research represents a significant contribution to addressing breast cancer detection challenges in Palestine by providing a computationally efficient, clinically applicable framework that complements limited specialized expertise. The methodology established for developing context-specific AI systems for medical imaging offers a blueprint for similar initiatives in other resource-constrained healthcare environments. Future work should focus on implementing multiple object tracking capabilities, extending to 3D ultrasound analysis, and conducting larger multi-center clinical validation studies.
يشكل سرطان الثدي تحدياً صحياً كبيراً في فلسطين، حيث يمثل نحو ثلث حالات السرطان لدى النساء الفلسطينيات، مع تشخيص أكثر من نصف الحالات في مراحل متأخرة. ويزيد من تفاقم هذا التحدي النقص الحاد في أخصائيي الأشعة والتصوير الطبي، إضافة إلى ضعف البنية التحتية الرقمية والعوائق الاجتماعية والاقتصادية التي تحول دون الوصول للخدمات الصحية المتخصصة. في ضوء هذه التحديات، يقدم هذا البحث إطاراً متكاملاً يعتمد على تقنيات التعلم العميق لتحليل صور وفيديوهات الموجات فوق الصوتية للثدي في الوقت الحقيقي، بهدف تعزيز قدرات الكشف المبكر عن سرطان الثدي بما يتناسب مع الواقع الصحي الفلسطيني. ولضمان ملاءمة النظام للبيئة المحلية، قمنا بتجميع قاعدة بيانات واسعة من مؤسستين صحيتين فلسطينيتين رائدتين: مركز دنيا لأورام النساء ومستشفى أوغستا فكتوريا، حيث شملت أكثر من 17 ألف حالة، بعضها موثق بنتائج خزعة تأكيدية. يرتكز نظامنا المقترح على ثلاثة ابتكارات تقنية رئيسية متكاملة تشكل معاً حلاً شاملاً. بدايةً، أجرينا مقارنة منهجية لتقنيات تحسين التباين وتوصلنا إلى أن تقنية CLAHE بمعامل قطع مُحدد (قيمته 1) هي الأنسب لصور الموجات فوق الصوتية للثدي، حيث حققت نتائج متفوقة في مقاييس جودة الصورة مع زمن معالجة منخفض يناسب التطبيقات في الوقت الحقيقي. وبالاعتماد على هذه النتائج، طورنا نظام كشف آلي يستخدم خوارزمية YOLOv11-L، والتي أثبتت كفاءتها في تحديد موقع وتصنيف الآفات المشتبه بها بدقة عالية، مع الحفاظ على سرعة معالجة مناسبة للتطبيقات السريرية. ولاستكمال منظومة التحليل، ابتكرنا نهجاً هجيناً للتتبع يجمع بين خوارزمية KCF وآلية التحقق باستخدام YOLO، مما مكّننا من تتبع الآفات عبر مقاطع الفيديو بكفاءة عالية، محققاً معدلات نجاح تجاوزت 97% للآفات الحميدة والخبيثة على حد سواء. وقد أكدت اختباراتنا الشاملة على مقاطع فيديو حقيقية مرفقة بنتائج خزعة تأكيدية فعالية النظام المقترح في البيئة السريرية، حيث تمكن من معالجة نحو 54 إطاراً في الثانية مع الحفاظ على دقة عالية في الكشف والتتبع. هذه النتائج المشجعة تدل على إمكانية توظيف تقنيات التعلم العميق لتحسين تفسير صور الموجات فوق الصوتية للثدي في البيئات الصحية محدودة الموارد، مما يساهم في سد الفجوة الناتجة عن نقص الخبرات الطبية المتخصصة. تكمن أهمية هذا البحث في تقديمه حلاً عملياً لتحدي الكشف المبكر عن سرطان الثدي في فلسطين، من خلال نظام فعال حسابياً ومناسب للتطبيق السريري. علاوة على ذلك، تقدم المنهجية المتبعة في تطوير هذا النظام نموذجاً يمكن تكييفه مع تحديات صحية أخرى في بيئات مماثلة. ونأمل أن تتوسع الأبحاث المستقبلية لتشمل تطوير قدرات تتبع آفات متعددة في آنٍ واحد، واستكشاف إمكانات التحليل الثلاثي الأبعاد للموجات فوق الصوتية، إضافة إلى إجراء دراسات تحقق سريرية أوسع نطاقاً في مراكز متعددة.
يشكل سرطان الثدي تحدياً صحياً كبيراً في فلسطين، حيث يمثل نحو ثلث حالات السرطان لدى النساء الفلسطينيات، مع تشخيص أكثر من نصف الحالات في مراحل متأخرة. ويزيد من تفاقم هذا التحدي النقص الحاد في أخصائيي الأشعة والتصوير الطبي، إضافة إلى ضعف البنية التحتية الرقمية والعوائق الاجتماعية والاقتصادية التي تحول دون الوصول للخدمات الصحية المتخصصة. في ضوء هذه التحديات، يقدم هذا البحث إطاراً متكاملاً يعتمد على تقنيات التعلم العميق لتحليل صور وفيديوهات الموجات فوق الصوتية للثدي في الوقت الحقيقي، بهدف تعزيز قدرات الكشف المبكر عن سرطان الثدي بما يتناسب مع الواقع الصحي الفلسطيني. ولضمان ملاءمة النظام للبيئة المحلية، قمنا بتجميع قاعدة بيانات واسعة من مؤسستين صحيتين فلسطينيتين رائدتين: مركز دنيا لأورام النساء ومستشفى أوغستا فكتوريا، حيث شملت أكثر من 17 ألف حالة، بعضها موثق بنتائج خزعة تأكيدية. يرتكز نظامنا المقترح على ثلاثة ابتكارات تقنية رئيسية متكاملة تشكل معاً حلاً شاملاً. بدايةً، أجرينا مقارنة منهجية لتقنيات تحسين التباين وتوصلنا إلى أن تقنية CLAHE بمعامل قطع مُحدد (قيمته 1) هي الأنسب لصور الموجات فوق الصوتية للثدي، حيث حققت نتائج متفوقة في مقاييس جودة الصورة مع زمن معالجة منخفض يناسب التطبيقات في الوقت الحقيقي. وبالاعتماد على هذه النتائج، طورنا نظام كشف آلي يستخدم خوارزمية YOLOv11-L، والتي أثبتت كفاءتها في تحديد موقع وتصنيف الآفات المشتبه بها بدقة عالية، مع الحفاظ على سرعة معالجة مناسبة للتطبيقات السريرية. ولاستكمال منظومة التحليل، ابتكرنا نهجاً هجيناً للتتبع يجمع بين خوارزمية KCF وآلية التحقق باستخدام YOLO، مما مكّننا من تتبع الآفات عبر مقاطع الفيديو بكفاءة عالية، محققاً معدلات نجاح تجاوزت 97% للآفات الحميدة والخبيثة على حد سواء. وقد أكدت اختباراتنا الشاملة على مقاطع فيديو حقيقية مرفقة بنتائج خزعة تأكيدية فعالية النظام المقترح في البيئة السريرية، حيث تمكن من معالجة نحو 54 إطاراً في الثانية مع الحفاظ على دقة عالية في الكشف والتتبع. هذه النتائج المشجعة تدل على إمكانية توظيف تقنيات التعلم العميق لتحسين تفسير صور الموجات فوق الصوتية للثدي في البيئات الصحية محدودة الموارد، مما يساهم في سد الفجوة الناتجة عن نقص الخبرات الطبية المتخصصة. تكمن أهمية هذا البحث في تقديمه حلاً عملياً لتحدي الكشف المبكر عن سرطان الثدي في فلسطين، من خلال نظام فعال حسابياً ومناسب للتطبيق السريري. علاوة على ذلك، تقدم المنهجية المتبعة في تطوير هذا النظام نموذجاً يمكن تكييفه مع تحديات صحية أخرى في بيئات مماثلة. ونأمل أن تتوسع الأبحاث المستقبلية لتشمل تطوير قدرات تتبع آفات متعددة في آنٍ واحد، واستكشاف إمكانات التحليل الثلاثي الأبعاد للموجات فوق الصوتية، إضافة إلى إجراء دراسات تحقق سريرية أوسع نطاقاً في مراكز متعددة.
Description
Keywords
Citation
Thwib، Suliman Imad. (2025). An Advanced Deep Learning Framework for Real-Time Breast Cancer Lesion Analysis in Clinical Ultrasound [رسالة ماجستير منشورة، جامعة القدس، فلسطين]. المستودع الرقمي لجامعة القدس.