Este trabalho tem como objetivo o desenvolvimento de um novo método para a simulação de redução da dose de radiação em imagens mamográficas clínicas. Assim, estudos sobre a influência da redução da dose de radiação no diagnóstico do câncer de mama podem ser realizados sem que o paciente se exponha a doses extras de radiação. Uma análise preliminar foi realizada para a caracterização do ruído produzido pelo equipamento mamográfico no processo de aquisição da imagem. Essa análise evidenciou a importância de um método local de simulação, uma vez que o ruído depende da posição ao longo do campo. O novo método proposto consiste em ajustar os níveis de cinza e adicionar uma máscara de ruído Poisson, dependente do sinal, nas imagens clínicas adquiridas com a dose de radiação padrão, simulando sua aquisição com doses de radiação reduzidas. A dependência entre ruído e sinal foi criada com o uso da transformada de Anscombe. O desempenho do método proposto foi avaliado utilizando-se imagens mamográficas de um phantom antropomórfico obtidas com diferentes doses de radiação. As imagens simuladas pelo método proposto foram comparadas com as imagens reais. A similaridade entre os espectros de ruído permitiu a comparação de métricas locais da imagem. O erro percentual entre os níveis de cinza das imagens reais e simuladas se manteve inferior a 1%. O ruído adicionado manteve um erro percentual inferior a 1%. Testes de t-Student mostraram que não existe diferença estatística significante (p < 0,05) entre as imagens reais e simuladas pelo método proposto. / This work aims to develop a new method for simulating reduction of the radiation dose in clinical digital mammography. Using such method, studies regarding the influence of dose reduction in cancer diagnosis can be performed without unnecessary exposure of patients to X-ray radiation. A preliminary study characterized the noise produced by the digital mammography equipment during the acquisition process. This analysis emphasized the importance of simulating noise locally, since noise is dependent on the spatial position of the pixel. Therefore, the proposed method consists of adjusting the gray levels and adding signal-dependent Poisson noise to images acquired at the standard radiation dose. Dependency between noise and signal was created using the Anscombe transformation. The performance of the proposed method was evaluated using mammographic images of an anthropomorphic phantom acquired at different radiation doses. Images simulated using the proposed method were compared to real images acquired using the clinical equipment. Similarity between noise power spectra and local metrics validated the similarity between images. The gray level of the simulated and real images were compared using local mean and reported averaged errors smaller than 1%. The added noise was also compared and the averaged error was smaller than 1%. Statistical Student\'s t-test tests showed no statistical difference (p < 0.05) between real images and the ones simulated using the proposed method.

Este trabalho tem como objetivo o desenvolvimento de um novo método para a simulação de redução da dose de radiação em imagens mamográficas clínicas. Assim, estudos sobre a influência da redução da dose de radiação no diagnóstico do câncer de mama podem ser realizados sem que o paciente se exponha a doses extras de radiação. Uma análise preliminar foi realizada para a caracterização do ruído produzido pelo equipamento mamográfico no processo de aquisição da imagem. Essa análise evidenciou a importância de um método local de simulação, uma vez que o ruído depende da posição ao longo do campo. O novo método proposto consiste em ajustar os níveis de cinza e adicionar uma máscara de ruído Poisson, dependente do sinal, nas imagens clínicas adquiridas com a dose de radiação padrão, simulando sua aquisição com doses de radiação reduzidas. A dependência entre ruído e sinal foi criada com o uso da transformada de Anscombe. O desempenho do método proposto foi avaliado utilizando-se imagens mamográficas de um phantom antropomórfico obtidas com diferentes doses de radiação. As imagens simuladas pelo método proposto foram comparadas com as imagens reais. A similaridade entre os espectros de ruído permitiu a comparação de métricas locais da imagem. O erro percentual entre os níveis de cinza das imagens reais e simuladas se manteve inferior a 1%. O ruído adicionado manteve um erro percentual inferior a 1%. Testes de t-Student mostraram que não existe diferença estatística significante (p < 0,05) entre as imagens reais e simuladas pelo método proposto. / This work aims to develop a new method for simulating reduction of the radiation dose in clinical digital mammography. Using such method, studies regarding the influence of dose reduction in cancer diagnosis can be performed without unnecessary exposure of patients to X-ray radiation. A preliminary study characterized the noise produced by the digital mammography equipment during the acquisition process. This analysis emphasized the importance of simulating noise locally, since noise is dependent on the spatial position of the pixel. Therefore, the proposed method consists of adjusting the gray levels and adding signal-dependent Poisson noise to images acquired at the standard radiation dose. Dependency between noise and signal was created using the Anscombe transformation. The performance of the proposed method was evaluated using mammographic images of an anthropomorphic phantom acquired at different radiation doses. Images simulated using the proposed method were compared to real images acquired using the clinical equipment. Similarity between noise power spectra and local metrics validated the similarity between images. The gray level of the simulated and real images were compared using local mean and reported averaged errors smaller than 1%. The added noise was also compared and the averaged error was smaller than 1%. Statistical Student\'s t-test tests showed no statistical difference (p < 0.05) between real images and the ones simulated using the proposed method.

Esse trabalho apresenta uma nova proposta do algoritmo de médias não-locais (NLM - Non-Local Means) para a filtragem do ruído quântico de imagens mamográficas digitais adquiridas com dose de radiação reduzida. A redução nas doses de radiação tem como objetivo principal minimizar os riscos de indução ao câncer de mama causado pela exposição do paciente à radiação ionizante no momento do exame. No entanto, a qualidade da imagem mamográfica diminui com a redução da dose de radiação e o ruído predominante nesse caso é o ruído quântico, que segue a distribuição de Poisson e é dependente do sinal. Como o algoritmo NLM foi originalmente desenvolvido para filtragem de ruído Gaussiano independente do sinal, a proposta desse trabalho foi de adaptar o algoritmo NLM original de modo que ele se tornasse mais adequado para filtragem do ruído encontrado nas imagens mamográficas digitais. Nessa nova abordagem, chamada de Variance Map Non-local Means (VM-NLM), a filtragem do ruído quântico é realizada no próprio domínio da imagem, levando-se em conta a variância do ruído em cada pixel da imagem, já que o ruído é dependente do sinal. Com isso, elimina-se a necessidade de realizar uma estimativa precisa dos parâmetros do ruído para o uso de uma transformada de estabilização de variância (como a transformada generalizada de Anscombe), antes do processo de filtragem. Essa estimativa normalmente requer medidas preliminares no equipamento mamográfico, cujo acesso nem sempre é viável na prática. A proposta foi avaliada em três bancos de imagens mamográficas adquiridas com diferentes doses de radiação. As avaliações de desempenho foram realizadas comparando objetivamente a qualidade das imagens mamográficas obtidas com a dose padrão de radiação com as adquiridas com doses reduzidas, após a filtragem do ruído. Os resultados obtidos com o algoritmo proposto mostraram que ele produz imagens mamográficas mais nítidas e com melhor preservação de bordas e pequenos detalhes do que o algoritmo NLM original. / This work presents a new proposal from the non-local means algorithm (NLM - Non-Local Means) for filtering the quantum noise of digital mammography images acquired with reduced radiation dose. The reduction in radiation doses aims to minimize the risk of inducing breast cancer caused by patient exposure to ionizing radiation during the examination. However, the mammographic image quality decreases with the reduction of the radiation dose and the predominant noise in this case is the quantum noise, which follows the Poisson distribution and it is dependent of the signal. As the NLM algorithm was originally developed for filtering additive Gaussian noise, the purpose of this study was to adapt the original NLM algorithm so that it becomes more suitable for filtering the noise found in digital mammographic images. In this new approach, called Variance Map Non-local Means (VM-NLM), the filtering of the quantum noise is performed in the image domain, considering the noise variance in each pixel of the image, since the noise depends on the pixel value. Thus, it eliminates the need for an accurate estimate of the noise parameters for the use of a variance stabilization transform (such as generalized Anscombe Transformation) before the filtering process. This estimate typically requires preliminary measurements in the mammographic equipment, which is not always viable in clinical practice. The proposal was evaluated in three databases of mammographic images acquired with different radiation doses. Performance evaluations were conducted comparing objectively the quality of mammographic images acquired with standard radiation dose and with reduced doses, after filtering the noise. The results obtained with the proposed algorithm showed that it produces sharper mammographic images with better preservation of edges and small details than the original NLM algorithm.

Esse trabalho apresenta uma nova proposta do algoritmo de médias não-locais (NLM - Non-Local Means) para a filtragem do ruído quântico de imagens mamográficas digitais adquiridas com dose de radiação reduzida. A redução nas doses de radiação tem como objetivo principal minimizar os riscos de indução ao câncer de mama causado pela exposição do paciente à radiação ionizante no momento do exame. No entanto, a qualidade da imagem mamográfica diminui com a redução da dose de radiação e o ruído predominante nesse caso é o ruído quântico, que segue a distribuição de Poisson e é dependente do sinal. Como o algoritmo NLM foi originalmente desenvolvido para filtragem de ruído Gaussiano independente do sinal, a proposta desse trabalho foi de adaptar o algoritmo NLM original de modo que ele se tornasse mais adequado para filtragem do ruído encontrado nas imagens mamográficas digitais. Nessa nova abordagem, chamada de Variance Map Non-local Means (VM-NLM), a filtragem do ruído quântico é realizada no próprio domínio da imagem, levando-se em conta a variância do ruído em cada pixel da imagem, já que o ruído é dependente do sinal. Com isso, elimina-se a necessidade de realizar uma estimativa precisa dos parâmetros do ruído para o uso de uma transformada de estabilização de variância (como a transformada generalizada de Anscombe), antes do processo de filtragem. Essa estimativa normalmente requer medidas preliminares no equipamento mamográfico, cujo acesso nem sempre é viável na prática. A proposta foi avaliada em três bancos de imagens mamográficas adquiridas com diferentes doses de radiação. As avaliações de desempenho foram realizadas comparando objetivamente a qualidade das imagens mamográficas obtidas com a dose padrão de radiação com as adquiridas com doses reduzidas, após a filtragem do ruído. Os resultados obtidos com o algoritmo proposto mostraram que ele produz imagens mamográficas mais nítidas e com melhor preservação de bordas e pequenos detalhes do que o algoritmo NLM original. / This work presents a new proposal from the non-local means algorithm (NLM - Non-Local Means) for filtering the quantum noise of digital mammography images acquired with reduced radiation dose. The reduction in radiation doses aims to minimize the risk of inducing breast cancer caused by patient exposure to ionizing radiation during the examination. However, the mammographic image quality decreases with the reduction of the radiation dose and the predominant noise in this case is the quantum noise, which follows the Poisson distribution and it is dependent of the signal. As the NLM algorithm was originally developed for filtering additive Gaussian noise, the purpose of this study was to adapt the original NLM algorithm so that it becomes more suitable for filtering the noise found in digital mammographic images. In this new approach, called Variance Map Non-local Means (VM-NLM), the filtering of the quantum noise is performed in the image domain, considering the noise variance in each pixel of the image, since the noise depends on the pixel value. Thus, it eliminates the need for an accurate estimate of the noise parameters for the use of a variance stabilization transform (such as generalized Anscombe Transformation) before the filtering process. This estimate typically requires preliminary measurements in the mammographic equipment, which is not always viable in clinical practice. The proposal was evaluated in three databases of mammographic images acquired with different radiation doses. Performance evaluations were conducted comparing objectively the quality of mammographic images acquired with standard radiation dose and with reduced doses, after filtering the noise. The results obtained with the proposed algorithm showed that it produces sharper mammographic images with better preservation of edges and small details than the original NLM algorithm.