Visando a um melhor desempenho na avaliação de imagens mamográficas, diversos trabalhos utilizando técnicas de processamento de imagem vêm sendo desenvolvidos como parte de esquemas computacionais que auxiliam o diagnóstico, denominados de esquemas CAD. Entretanto, um dos maiores desafios no desenvolvimento destes sistemas está relacionado com a avaliação de seu desempenho, que pode apresentar inconsistências, como impossibilidade de comparação dos resultados devido à dificuldade de se obter bancos de imagens amplos, comuns e confiáveis, que apresentem características de aquisição variadas atendendo aos requisitos específicos da técnica. Este trabalho tem por objetivo auxiliar nesse campo, apresentando um protótipo de simulador radiográfico de mama que possibilite gerar imagens que se assemelhem às de uma mamografia real através ainda de uma distribuição aleatória das estruturas de interesse simuladas. Isso permite a aquisição de um grande conjunto de imagens, por diferentes formas e condições, tornando possível testar e avaliar com maior precisão o desempenho de esquemas CAD destinados à mamografia. Tem a virtude de dispensar a validação dos resultados apontados pelo esquema com base no laudo do especialista, visto que é possível saber previamente quais são e quantas são as estruturas presentes em cada imagem, bem como a localização exata de cada uma delas. Portanto, torna-se possível assegurar com confiança a eficácia e viabilidade do esquema CAD testado, tanto em relação ao resultado apresentado pelo sistema quanto em relação à minimização de erros sistemáticos, dada a aleatoriedade da distribuição das estruturas-alvo da avaliação, como ocorre no exame real. / In order to obtain a better performance in the evaluation of mammographic images, several studies using image processing techniques have been developed as part of computer aided diagnosis, known as CAD systems. However, one of the main challenges in the development of such schemes is the performance evaluation, which may present problems, as such as difficulty in comparing results due to the inability to obtain large and common databases with wide-ranging characteristics of image acquisition. This work has the purpose of helping in this field, by presenting a breast phantom to allow obtaining images closer to those from actual mammography due to a random distribution of simulated interest structures. This provides to get a large images set, obtained from different conditions, and it allows to evaluate more accurately the performance of mammography CAD schemes. The use of this phantom has also the advantage of validating the scheme results without using the radiological report, since it provides the exact knowledge of the number and characteristics of the structures present in the image, as well as their positioning. Therefore, the efficacy and feasibility of a CAD scheme under test can be assured, regarding the results and also by the minimization of systematic errors due to the random distribution of the structures of clinical interest, similarly to the actual exam.

Visando a um melhor desempenho na avaliação de imagens mamográficas, diversos trabalhos utilizando técnicas de processamento de imagem vêm sendo desenvolvidos como parte de esquemas computacionais que auxiliam o diagnóstico, denominados de esquemas CAD. Entretanto, um dos maiores desafios no desenvolvimento destes sistemas está relacionado com a avaliação de seu desempenho, que pode apresentar inconsistências, como impossibilidade de comparação dos resultados devido à dificuldade de se obter bancos de imagens amplos, comuns e confiáveis, que apresentem características de aquisição variadas atendendo aos requisitos específicos da técnica. Este trabalho tem por objetivo auxiliar nesse campo, apresentando um protótipo de simulador radiográfico de mama que possibilite gerar imagens que se assemelhem às de uma mamografia real através ainda de uma distribuição aleatória das estruturas de interesse simuladas. Isso permite a aquisição de um grande conjunto de imagens, por diferentes formas e condições, tornando possível testar e avaliar com maior precisão o desempenho de esquemas CAD destinados à mamografia. Tem a virtude de dispensar a validação dos resultados apontados pelo esquema com base no laudo do especialista, visto que é possível saber previamente quais são e quantas são as estruturas presentes em cada imagem, bem como a localização exata de cada uma delas. Portanto, torna-se possível assegurar com confiança a eficácia e viabilidade do esquema CAD testado, tanto em relação ao resultado apresentado pelo sistema quanto em relação à minimização de erros sistemáticos, dada a aleatoriedade da distribuição das estruturas-alvo da avaliação, como ocorre no exame real. / In order to obtain a better performance in the evaluation of mammographic images, several studies using image processing techniques have been developed as part of computer aided diagnosis, known as CAD systems. However, one of the main challenges in the development of such schemes is the performance evaluation, which may present problems, as such as difficulty in comparing results due to the inability to obtain large and common databases with wide-ranging characteristics of image acquisition. This work has the purpose of helping in this field, by presenting a breast phantom to allow obtaining images closer to those from actual mammography due to a random distribution of simulated interest structures. This provides to get a large images set, obtained from different conditions, and it allows to evaluate more accurately the performance of mammography CAD schemes. The use of this phantom has also the advantage of validating the scheme results without using the radiological report, since it provides the exact knowledge of the number and characteristics of the structures present in the image, as well as their positioning. Therefore, the efficacy and feasibility of a CAD scheme under test can be assured, regarding the results and also by the minimization of systematic errors due to the random distribution of the structures of clinical interest, similarly to the actual exam.

Este trabalho apresenta um método computacional que permite corrigir, nas imagens mamográficas, as variações das densidade causadas pelo efeito \"heel\". Essas variações prejudicam tanto a visualização quanto o processamento computacional de pequenas estruturas. O método leva em conta a intensidade da radiação em cada ponto da imagem, considerando o caminho que os fótons percorrem dentro do alvo e corrige todos os pontos da imagem radiográfica em função do excesso ou da falta de radiação a que eles foram submetidos. Os métodos tradicionais para correção de iluminação não uniforme utilizados em processamento de imagem, como por exemplo limiarização e ajuste de fundo, também foram implementados e testados em imagens mamográficas a fim de validar o algoritmo proposto. Tanto o algoritmo quanto os métodos tradicionais para correção de iluminação não uniforme foram implementados utilizando o ambiente de programação DELPHI. Os programas foram desenvolvidos para plataforma WINDOWS, o que possibilitou o desenvolvimento de uma interface amigável com o usuário. / This work presents a computational method that allows corrections to be made in the variations of density in mamographic images caused by the heel effect. These variations impair both visual detection and computational processing of small anatomical structures. This method takes into account the intensity of radiation at each point of the image, considering the path that photons travel inside the target and correcting all the points of a radiographic image which have been impaired either by excess or lack of radiation to which they were subjected. The traditional methods to correct nonunifonn illumination using image processing, for example threshold and background fitting, were also implemented and tested in mammographic images to validate the proposed algorithm. Both the algorithm and the traditional methods to correct nonuniform illumination were implemented using Delphi Programming Environment. The programs were developed for Windows platform, which allowed the development of a friendly interface with the user.

Este trabalho apresenta um método computacional que permite corrigir, nas imagens mamográficas, as variações das densidade causadas pelo efeito \"heel\". Essas variações prejudicam tanto a visualização quanto o processamento computacional de pequenas estruturas. O método leva em conta a intensidade da radiação em cada ponto da imagem, considerando o caminho que os fótons percorrem dentro do alvo e corrige todos os pontos da imagem radiográfica em função do excesso ou da falta de radiação a que eles foram submetidos. Os métodos tradicionais para correção de iluminação não uniforme utilizados em processamento de imagem, como por exemplo limiarização e ajuste de fundo, também foram implementados e testados em imagens mamográficas a fim de validar o algoritmo proposto. Tanto o algoritmo quanto os métodos tradicionais para correção de iluminação não uniforme foram implementados utilizando o ambiente de programação DELPHI. Os programas foram desenvolvidos para plataforma WINDOWS, o que possibilitou o desenvolvimento de uma interface amigável com o usuário. / This work presents a computational method that allows corrections to be made in the variations of density in mamographic images caused by the heel effect. These variations impair both visual detection and computational processing of small anatomical structures. This method takes into account the intensity of radiation at each point of the image, considering the path that photons travel inside the target and correcting all the points of a radiographic image which have been impaired either by excess or lack of radiation to which they were subjected. The traditional methods to correct nonunifonn illumination using image processing, for example threshold and background fitting, were also implemented and tested in mammographic images to validate the proposed algorithm. Both the algorithm and the traditional methods to correct nonuniform illumination were implemented using Delphi Programming Environment. The programs were developed for Windows platform, which allowed the development of a friendly interface with the user.

Este trabalho apresenta um método computacional que classifica as mamografias no padrão de densidade BI-RADS, visando auxiliar a detecção precoce do câncer de mama, seja essa realizada por análise visual ou por auxílio computadorizado. A classificação das mamografias em bancos padronizados objetiva eliminar conflitos entre laudos mamográficos de diferentes profissionais, bem como quanto à conduta médica a ser seguida. Entretanto, o estabelecimento de bancos feito visualmente e principalmente em períodos diferentes dificulta sua uniformização, proporcionando uma classificação muito subjetiva e relativamente grosseira em conseqüência a grande variação entre e inter observadores. O método desenvolvido permitiu classificar as imagens independentemente da subjetividade própria à observação visual de quem organizou o banco ou da técnica de exposição aos raios X utilizada. Os resultados foram superiores a 92% mesmo para bancos de imagens totalmente diferentes. Esses resultados foram obtidos respeitando-se as possíveis diferenças de interpretações de diversas equipes médicas. Além do estabelecimento de banco de mamografias com limiares entre as composições bem quantificadas, com esta ferramenta, tanto os estagiários poderão ser treinados para classificar as imagens no padrão de densidades do BI-RADS, respeitando as particularidades locais, quanto os resultados dos CAD poderão ser comparados. / This thesis presents a computational method that classifies the mammography into the composition of the breast tissue density patterns described in the BI-RADS protocol, intended to help in the early detection of breast cancer, either if this detection happens to be realized by visual analysis or by computerized support. The classification of the mammography in standardized database intends to eliminate issues between mammography awards of distinct professionals and the correct medical conduct to be followed. However, the determination of database only visually, especially in different periods, difficult it\'s to standardize, causing an extremely subjective classification and relatively superficial in consequence of the large inter-and intraobserver variability. The method allows classifying the images independently of the subjective quality of the visual analysis from who organized the database or from the technique of the exposition to X-ray employed. The results were superior of 92% even to database totally distinct. These results were obtained respecting eventual differences of interpretation from several medical groups. Beside the establishment of mammography database with thresholding between the well quantified categories, this methodology will consent to probationers to be trained for classify the images according to the composition of the breast tissue density patterns described in the BI-RADS, respecting its local particularity. Likewise, with this methodology, the results from CAD would be compared.

Este trabalho consiste na implementação de um esquema computacional que possibilita a um usuário enviar mamografias digitalizadas/digitais via-internet para processá-las. O site, responsável pela interatividade usuário/sistema, foi desenvolvido em HTML e PHP com acesso a um banco de dados implementado em MySQL. As rotinas referentes ao pré-processamento, segmentação, classificação e geração da imagem resultante foram desenvolvidas em Delphi e são executadas de forma paralela no servidor. O sistema fornece as regiões suspeitas e com possíveis lesões detectadas na mamografia. Além da imagem com o destaque dos agrupamentos de microcalcificações detectadas, sua classificação como suspeito ou não-suspeito também são fornecidas. Para massas suspeitas detectadas, é apresentado o seu grau de densidade e as probabilidades percentuais do tipo de contorno e da classificação BIRADS. Além das mamografias, o usuário pode enviar ainda regiões de interesse (RIs). Os testes mostraram que, para o processo de detecção de microcalcificações para imagens digitalizadas, o percentual de acertos obtidos foi de 93%, enquanto para a detecção de nódulos foi de 92%. Para imagens digitais, o percentual de acertos obtidos foi de 90%, enquanto para a detecção de nódulos foi de 89%. Adicionalmente, foi verificado que o tempo médio de processamento variou entre 10 s para uma única RI e 1,5 min. para o pior caso - quatro mamografias completas. Com os testes realizados para verificar a eficácia do sistema, a usabilidade foi qualificada como fácil por mais de 70% dos 25 voluntários que o avaliaram e seu funcionamento classificado como ótimo e bom por 40% e 56% dos usuários respectivamente. Atualmente, há esquemas CAD disponíveis comercialmente, porém apresentam um alto valor para sua aquisição e uma resposta final restrita apenas à detecção de estruturas suspeitas (microcalcificações e massas nodulares), sem apresentação de dados que possam enriquecer o conjunto de informações necessárias ao radiologista para ajudá-lo no laudo. Esta pesquisa foi desenvolvida para proporcionar estas informações adicionais através da internet. Apesar dos problemas encontrados para a transmissão de imagens via-internet, os resultados apresentados através dos testes realizados pelos voluntários indicaram que o sistema possui um bom desempenho. Este sistema pode ser acessado diretamente no endereço http://143.107.235.167/CAD_Online/paginas/index.html ou através da homepage do LAPIMO (Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas), do Departamento de Engenharia Elétrica da EESC/USP. / This work consists of the development of a computer scheme to provide the processing of digital mammographic images sent by an internet user. The site, responsible for the interaction user/system, was developed in HTML and PHP with access to a data base implemented in MySQL. The routines of pre-processing, segmentation, classification and generation of the resultant image were developed in Delphi and are executed parallel in the server. The current system results provide indications on the suspicious mammogram regions with the detected lesions. Besides the image with convenient marks on detected clustered microcalcifications, their classification in terms of suspect or non-suspect is also provided. The density level, as well as the percentage probabilities regarding the BIRADS classification and the mass margin shapes are presented for suspicious masses detected by the scheme. In addition to the whole mammogram, the user can upload regions of interest (ROIs). Tests have shown that the correct rate of digitized mammograms was about 93% for microcalcification detection, while for mass detection, the correct rate was 92%. For direct digital mammograms, the correct rate was 93% for microcalcification detection, while for mass detection, it was 89%. In addiction, it was verified that the processing time average varied between 10 seconds (the best image case - one ROI) and 1,5 minutes for the worst image case (four complete mammograms), which this time can be considered acceptable. According to the tests performed with the purpose of checking the system efficacy, the tools manipulation was qualified as easy by more than 70% of the 25 volunteers whom have tested the system and its working classified as great and good by 40% and 56% of the users respectively. Currently, there are CAD schemes available on the market, however, they present a high acquisition cost and a final answer restricted just to the detection of suspect lesions, without providing additional data that can enhance the information the radiologists have, therefore helping them on their report. This research was carried out in order to provide this additional data by the internet. Even though some problems occurred with the transmission of images by the internet, the results presented by the tests performed by volunteers showed that the system has a good performance. This computational scheme can be accessed directly at http://143.107.235.167/CAD_Online/paginas/index.html or by the homepage of LAPIMO, the Laboratory for Medical and Odontological Images Analysis and Processing, at the Department of Electrical Engineering - EESC/USP.

Neste trabalho, propõe-se a utilização da técnica Enhanced ICA Misture Model (EICAMM) para a segmentação automática de nódulos mamários em imagens mamográficas digitais. Com o objetivo de compará-la com outros métodos de segmentação encontrados na literatura correlata, como as técnicas Watershed, Self-Organizing Map (SOM), K-Means e Fuzzy C-Means, utiliza-se a métrica Area Overlap Measure (AOM) ou medida de similaridade de Jaccard, para medir a semelhança entre o resultado obtido na segmentação e o recorte efetuado por um especialista (ground truth). Os resultados obtidos mostram um bom desempenho do modelo EICAMM, que foi a única técnica capaz de detectar massas em regiões de interesse de mama densa. Resultados mais precisos produzidos por tal modelo foram aplicados na elaboração de um módulo classificador de nódulos para um esquema CADx (de Computer-aided Diagnosis) em mamografia digital. O módulo utiliza técnicas de extração e seleção de características e técnicas inteligentes, como Redes Neurais Artificiais, para indicar a existência ou não de nódulos em regiões de interesse, bem como avalia seu contorno/margem, forma e densidade, a fim de indicar a pertinência do achado a um caso maligno ou benigno. Para isso, utiliza-se uma base de regras, criada com o auxílio de um especialista e da combinação de diferentes classificações, conhecida como ensemble, para gerar uma única saída. Testes utilizando várias regiões de interesse selecionadas de duas bases de imagens mamográficas disponíveis resultaram numa precisão média de 46,71% na segmentação dos nódulos pela EICAMM (20,72% melhor que a média das demais técnicas comparadas) e um nível de acerto médio de 80,5% na classificação dos nódulos, o que permite considerar o módulo desenvolvido como uma útil ferramenta para auxílio ao diagnóstico desse tipo de estrutura em esquemas CADx. / This work describes the use of a technique called Enhanced ICA Misture Model (EICAMM) for automated segmentation of breast nodules in digital mammography images. Aiming to compare it with other segmentation methods, like Watershed transformation, Self-organizing Map (SOM), K-Means and Fuzzy C-Means, metrics such as Area Overlap Map (AOM) or Jaccard similarity measure are used in order to measure the similarity between the result from the segmentation and the profile determined by a spectialist (ground truth). Results show a good performance for the EICAMM method, the unique able to detect masses in regions of interest from dense breasts. More accurate results from such a model were applied to the development of a nodules classifier module for a CADx scheme in digital mammography. This module uses techniques for features extraction and selection, and intelligent techniques, as artificial neural networks, to determine the existence or not of a nodule, as well as to evaluate its contour/border, shape and radiographic density, in order to point out its pertinency to a malignant or benign case. With this purpose, a rules database known as ensemble, created with help of a specialist and different classifications combination, is used in order to produce only one output. Tests with several regions of interest selected from two available mammographic images databases have resulted in an average accuracy of 46.71% for nodules segmentation by EICAMM (20.72% better than the average of the other compared techniques), as well as an average accuracy of 80.5% in nodules classification, which allows to consider the developed module as an useful tool in aiding the diagnosis of such a structure in CADx schemes.

Neste trabalho, propõe-se a utilização da técnica Enhanced ICA Misture Model (EICAMM) para a segmentação automática de nódulos mamários em imagens mamográficas digitais. Com o objetivo de compará-la com outros métodos de segmentação encontrados na literatura correlata, como as técnicas Watershed, Self-Organizing Map (SOM), K-Means e Fuzzy C-Means, utiliza-se a métrica Area Overlap Measure (AOM) ou medida de similaridade de Jaccard, para medir a semelhança entre o resultado obtido na segmentação e o recorte efetuado por um especialista (ground truth). Os resultados obtidos mostram um bom desempenho do modelo EICAMM, que foi a única técnica capaz de detectar massas em regiões de interesse de mama densa. Resultados mais precisos produzidos por tal modelo foram aplicados na elaboração de um módulo classificador de nódulos para um esquema CADx (de Computer-aided Diagnosis) em mamografia digital. O módulo utiliza técnicas de extração e seleção de características e técnicas inteligentes, como Redes Neurais Artificiais, para indicar a existência ou não de nódulos em regiões de interesse, bem como avalia seu contorno/margem, forma e densidade, a fim de indicar a pertinência do achado a um caso maligno ou benigno. Para isso, utiliza-se uma base de regras, criada com o auxílio de um especialista e da combinação de diferentes classificações, conhecida como ensemble, para gerar uma única saída. Testes utilizando várias regiões de interesse selecionadas de duas bases de imagens mamográficas disponíveis resultaram numa precisão média de 46,71% na segmentação dos nódulos pela EICAMM (20,72% melhor que a média das demais técnicas comparadas) e um nível de acerto médio de 80,5% na classificação dos nódulos, o que permite considerar o módulo desenvolvido como uma útil ferramenta para auxílio ao diagnóstico desse tipo de estrutura em esquemas CADx. / This work describes the use of a technique called Enhanced ICA Misture Model (EICAMM) for automated segmentation of breast nodules in digital mammography images. Aiming to compare it with other segmentation methods, like Watershed transformation, Self-organizing Map (SOM), K-Means and Fuzzy C-Means, metrics such as Area Overlap Map (AOM) or Jaccard similarity measure are used in order to measure the similarity between the result from the segmentation and the profile determined by a spectialist (ground truth). Results show a good performance for the EICAMM method, the unique able to detect masses in regions of interest from dense breasts. More accurate results from such a model were applied to the development of a nodules classifier module for a CADx scheme in digital mammography. This module uses techniques for features extraction and selection, and intelligent techniques, as artificial neural networks, to determine the existence or not of a nodule, as well as to evaluate its contour/border, shape and radiographic density, in order to point out its pertinency to a malignant or benign case. With this purpose, a rules database known as ensemble, created with help of a specialist and different classifications combination, is used in order to produce only one output. Tests with several regions of interest selected from two available mammographic images databases have resulted in an average accuracy of 46.71% for nodules segmentation by EICAMM (20.72% better than the average of the other compared techniques), as well as an average accuracy of 80.5% in nodules classification, which allows to consider the developed module as an useful tool in aiding the diagnosis of such a structure in CADx schemes.

Este trabalho consiste na implementação de um esquema computacional que possibilita a um usuário enviar mamografias digitalizadas/digitais via-internet para processá-las. O site, responsável pela interatividade usuário/sistema, foi desenvolvido em HTML e PHP com acesso a um banco de dados implementado em MySQL. As rotinas referentes ao pré-processamento, segmentação, classificação e geração da imagem resultante foram desenvolvidas em Delphi e são executadas de forma paralela no servidor. O sistema fornece as regiões suspeitas e com possíveis lesões detectadas na mamografia. Além da imagem com o destaque dos agrupamentos de microcalcificações detectadas, sua classificação como suspeito ou não-suspeito também são fornecidas. Para massas suspeitas detectadas, é apresentado o seu grau de densidade e as probabilidades percentuais do tipo de contorno e da classificação BIRADS. Além das mamografias, o usuário pode enviar ainda regiões de interesse (RIs). Os testes mostraram que, para o processo de detecção de microcalcificações para imagens digitalizadas, o percentual de acertos obtidos foi de 93%, enquanto para a detecção de nódulos foi de 92%. Para imagens digitais, o percentual de acertos obtidos foi de 90%, enquanto para a detecção de nódulos foi de 89%. Adicionalmente, foi verificado que o tempo médio de processamento variou entre 10 s para uma única RI e 1,5 min. para o pior caso - quatro mamografias completas. Com os testes realizados para verificar a eficácia do sistema, a usabilidade foi qualificada como fácil por mais de 70% dos 25 voluntários que o avaliaram e seu funcionamento classificado como ótimo e bom por 40% e 56% dos usuários respectivamente. Atualmente, há esquemas CAD disponíveis comercialmente, porém apresentam um alto valor para sua aquisição e uma resposta final restrita apenas à detecção de estruturas suspeitas (microcalcificações e massas nodulares), sem apresentação de dados que possam enriquecer o conjunto de informações necessárias ao radiologista para ajudá-lo no laudo. Esta pesquisa foi desenvolvida para proporcionar estas informações adicionais através da internet. Apesar dos problemas encontrados para a transmissão de imagens via-internet, os resultados apresentados através dos testes realizados pelos voluntários indicaram que o sistema possui um bom desempenho. Este sistema pode ser acessado diretamente no endereço http://143.107.235.167/CAD_Online/paginas/index.html ou através da homepage do LAPIMO (Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas), do Departamento de Engenharia Elétrica da EESC/USP. / This work consists of the development of a computer scheme to provide the processing of digital mammographic images sent by an internet user. The site, responsible for the interaction user/system, was developed in HTML and PHP with access to a data base implemented in MySQL. The routines of pre-processing, segmentation, classification and generation of the resultant image were developed in Delphi and are executed parallel in the server. The current system results provide indications on the suspicious mammogram regions with the detected lesions. Besides the image with convenient marks on detected clustered microcalcifications, their classification in terms of suspect or non-suspect is also provided. The density level, as well as the percentage probabilities regarding the BIRADS classification and the mass margin shapes are presented for suspicious masses detected by the scheme. In addition to the whole mammogram, the user can upload regions of interest (ROIs). Tests have shown that the correct rate of digitized mammograms was about 93% for microcalcification detection, while for mass detection, the correct rate was 92%. For direct digital mammograms, the correct rate was 93% for microcalcification detection, while for mass detection, it was 89%. In addiction, it was verified that the processing time average varied between 10 seconds (the best image case - one ROI) and 1,5 minutes for the worst image case (four complete mammograms), which this time can be considered acceptable. According to the tests performed with the purpose of checking the system efficacy, the tools manipulation was qualified as easy by more than 70% of the 25 volunteers whom have tested the system and its working classified as great and good by 40% and 56% of the users respectively. Currently, there are CAD schemes available on the market, however, they present a high acquisition cost and a final answer restricted just to the detection of suspect lesions, without providing additional data that can enhance the information the radiologists have, therefore helping them on their report. This research was carried out in order to provide this additional data by the internet. Even though some problems occurred with the transmission of images by the internet, the results presented by the tests performed by volunteers showed that the system has a good performance. This computational scheme can be accessed directly at http://143.107.235.167/CAD_Online/paginas/index.html or by the homepage of LAPIMO, the Laboratory for Medical and Odontological Images Analysis and Processing, at the Department of Electrical Engineering - EESC/USP.

Este trabalho apresenta um método computacional que classifica as mamografias no padrão de densidade BI-RADS, visando auxiliar a detecção precoce do câncer de mama, seja essa realizada por análise visual ou por auxílio computadorizado. A classificação das mamografias em bancos padronizados objetiva eliminar conflitos entre laudos mamográficos de diferentes profissionais, bem como quanto à conduta médica a ser seguida. Entretanto, o estabelecimento de bancos feito visualmente e principalmente em períodos diferentes dificulta sua uniformização, proporcionando uma classificação muito subjetiva e relativamente grosseira em conseqüência a grande variação entre e inter observadores. O método desenvolvido permitiu classificar as imagens independentemente da subjetividade própria à observação visual de quem organizou o banco ou da técnica de exposição aos raios X utilizada. Os resultados foram superiores a 92% mesmo para bancos de imagens totalmente diferentes. Esses resultados foram obtidos respeitando-se as possíveis diferenças de interpretações de diversas equipes médicas. Além do estabelecimento de banco de mamografias com limiares entre as composições bem quantificadas, com esta ferramenta, tanto os estagiários poderão ser treinados para classificar as imagens no padrão de densidades do BI-RADS, respeitando as particularidades locais, quanto os resultados dos CAD poderão ser comparados. / This thesis presents a computational method that classifies the mammography into the composition of the breast tissue density patterns described in the BI-RADS protocol, intended to help in the early detection of breast cancer, either if this detection happens to be realized by visual analysis or by computerized support. The classification of the mammography in standardized database intends to eliminate issues between mammography awards of distinct professionals and the correct medical conduct to be followed. However, the determination of database only visually, especially in different periods, difficult it\'s to standardize, causing an extremely subjective classification and relatively superficial in consequence of the large inter-and intraobserver variability. The method allows classifying the images independently of the subjective quality of the visual analysis from who organized the database or from the technique of the exposition to X-ray employed. The results were superior of 92% even to database totally distinct. These results were obtained respecting eventual differences of interpretation from several medical groups. Beside the establishment of mammography database with thresholding between the well quantified categories, this methodology will consent to probationers to be trained for classify the images according to the composition of the breast tissue density patterns described in the BI-RADS, respecting its local particularity. Likewise, with this methodology, the results from CAD would be compared.