Os requisitos técnicos da qualidade da imagem em mamografia estabelecidos por normas nacionais e internacionais incluem parâmetros de qualidade que podem ser avaliados através da realização de testes periódicos. Estes parâmetros podem ser medidos com a aquisição e leitura de imagens de objetos (phantoms) que simulam as estruturas presentes em uma mamografia. O phantom CDMAM foi confeccionado especificamente para a realização de testes que utilizam um procedimento padrão para se determinar um limiar de contraste para cada diâmetro de disco presentes em suas imagens. No entanto, esta tarefa é bastante trabalhosa e consome tempo, além de estar sujeita a uma significativa dependência do observador, diminuindo a precisão das aferições. Nesse sentido, o propósito deste trabalho é o desenvolvimento de um software que auxilie o profissional na realização dos testes, reduzindo a subjetividade devida aos observadores e correlacionando as leituras automatizadas com o sistema visual humano, sem a necessidade de se efetuar a correção dos resultados, como é realizado em diversos trabalhos encontrados na literatura. Para isso, foram utilizadas imagens obtidas por cinco sistemas CR e um método de detecção baseado na confecção de filtros circulares correlatores. A correlação com a visão humana fundamentou-se nos parâmetros de Weber, que descrevem o comportamento do sistema visual na discriminação do contraste em imagens digitais. A classificação dos discos contidos na imagem do phantom entre visível ou não visível foi efetuada a partir de uma ferramenta de mineração de dados conhecida como WEKA (Waikato Environment for Knowledge Analysis) associada ao algoritmo J48, que promove a construção de modelos de árvore de decisão. O resultado da implementação destas árvores de decisão foi a obtenção de um sistema de auxílio ao especialista que reforça a sua integridade na avaliação a partir de resultados estáveis e de fácil interpretação, atingindo acurácias de até 95%. / Technical requirements of image quality in mammography established by national and international norms include quality parameters which can be achieved by conducting periodic tests. It is recommended that some quality parameters are measured from images acquired by exposing specific phantoms, as CDMAM, in such systems. Nevertheless, this task is hard-working and time consuming, besides to be subject to a significant dependence of the observer, reducing the measurements accuracy. Accordingly, the purpose of this work is the development of a software to assist in the professional testing, reducing the subjectivity due to the observers and correlating the automated readings with the human visual system, without the need to make the correction of the results, as is done in many studies in the literature. For this, we used 57 images obtained for five CR systems and a method of detection based on circular correlators filters. The correlation with human vision was based on the Weber\'s parameters which describe the behavior of the visual system to discriminate the contrast in digital images. The classification of the image discs between visible or not visible was made from a data mining tool known as WEKA (Waikato Environment for Knowledge Analysis) associated with the J48 algorithm which promotes the construction of decision tree models. The result of the decision trees implementation was a system to aid the specialist, reinforcing the integrity of the assessment using stable results, easily interpreted, and reaching accuracies of up to 95%.

A qualidade dos exames mamográficos é uma preocupação constante do sistema de saúde mundial que se vê diante do desafio da detecção precoce do câncer de mama. As organizações responsáveis implementaram protocolos internacionais que consistem em testes de aceitação dos equipamentos mamográficos e de tomossíntese da mama, os quais estabelecem um padrão de qualidade nos serviços radiográficos. Porém, essas diretrizes têm como base o uso de objetos simuladores de mamas com espessuras e composições padrões, que muitas vezes não condizem com os perfis populacionais dos centros de diagnóstico. Neste trabalho, foi desenvolvido um sistema automatizado de rastreamento e gerenciamento de dados, que extrai as informações referentes ao processo de aquisição da mamografia digital e armazena-as em um servidor DICOM SCP (Service Class Provider). Após armazenadas, o sistema correlaciona os fatores de exposição das imagens, de forma a avaliar os níveis de referência em dose de radiação fornecidos pelos equipamentos. Como resultados, foi verificado que o perfil mamário dos centros institucionais de diagnóstico estudados não segue os valores de referência apresentados na literatura em termos de espessura e densidade mamária. Enquanto a mama padrão dos testes de garantia de qualidade é composta por 50 mm de espessura e 50% de densidade (50-50), a população estudada apresentou mamas comprimidas com média de 60 mm de espessura, com baixo percentual de tecido fibroglandular (menor que 25%). Portanto, o uso o sistema desenvolvido pode direcionar os testes de conformidade dos equipamentos para perfis mamários específicos. Esse direcionamento pode auxiliar na determinação de doses ótimas de radiação para melhoria da qualidade da imagem, produzindo valores de referência de grande utilidade para a qualidade dos serviços radiográficos. / Image quality assessment in mammography represents one of the greatest challenges that health services face in order to detect breast cancer early. The world health organization recommends quality assurance guidelines, which consist of acceptance tests for digital mammography (DM) and digital breast tomosynthesis (DBT), to standardize the radiological services. However, these guidelines are based on test objects widely used to simulate standard breasts in terms of composition and thickness, which often do not match with the demographic profiles in the breast care centers. In this thesis work, an automated system for tracking and data management was developed to extract the metadata (DICOM header) from the image acquisition process and to store it into a custom DICOM Service Class Provider (SPC). The developed system correlates the exposure factors\' info in order to evaluate the references for patient radiation dose provided by the manufacturers. As result of the data correlations, the reference required by the international guidelines for standard breasts are not a feasible representation for the demographic profile in the breast care center evaluated in terms of breast density and thickness. While the standard for quality assurance testing consists of breasts with 50 mm of thickness and 50% of density, the demographic population presented compressed breast thickness of approximately 60 mm and low fibroglandular tissue (less than 25%). Therefore, using the developed system should guide the quality assurance in digital mammography to specific breast profiles. This guidance may assist in determining optimal radiation doses to improve the image quality, producing useful benchmarks for the quality of radiological services.

INTRODUÇÃO: O objetivo deste estudo é determinar a correlação anatomopatológica das calcificações amorfas agrupadas diagnosticadas na mamografia digital de campo total, ou seja, das calcificações suspeitas mais tênues, uma vez que houve aumento da caracterização de calcificações na mamografia digital. MÉTODOS: Estudo retrospectivo baseado nos laudos mamográficos classificados como categoria BI-RADS 4 no primeiro ano de introdução da técnica digital, com análise dos diagnósticos anatomopatológicos das microcalcificações amorfas agrupadas submetidas à biópsia de fragmento assistida à vácuo no serviço. Calculou-se: os achados anatomopatológicos que se associaram ao achado radiológico de microcalcificações amorfas agrupadas e o valor preditivo positivo destas calcificações biopsiadas. RESULTADOS: Dos 219 achados por microcalcificações amorfas agrupadas, 78 foram submetidos à biópsia de fragmento assistida à vácuo com seguimento conhecido ou cirurgia subsequente. O diagnóstico anatomopatológico correspondeu a oito (10%) casos malignos, 36 (46%) casos benignos, e 34 (44%) diagnósticos de lesões de risco, das quais oito (10%) do subgrupo cicatriz radiada/lesões papilíferas (sete cicatrizes radiadas e um papiloma) e 26 (33%) do subgrupo atipias/ neoplasias lobulares, correspondendo a 14 (18%) hiperplasias ductais atípicas, quatro (5%) neoplasias lobulares e oito (10%) lesões de células colunares com atipia (atipia epitelial plana). A ampliação cirúrgica foi recomendada para as lesões com potencial incerto de malignidade à biópsia e realizada em 65% do subgrupo atipias/neoplasias lobulares, com taxa de subestimação nula (0/18). O tempo médio de seguimento das pacientes com diagnóstico benigno ou de lesão de risco foi 22 meses. CONCLUSÕES: Um terço das microcalcificações amorfas agrupadas em mamografia digital de campo total corresponderam a lesões precursoras representadas pelas atipias (ductais e colunares) e neoplasias lobulares. Essas lesões se associaram às calcificações amorfas agrupadas numa proporção de cerca de 3:1 em relação às lesões malignas, cujo VPP 3 foi 10% / PURPOSE: To determine the anatomopathological correlation of grouped amorphous calcifications (the most tenuous of suspicious calcifications) disclosed on full-field digital mammography, given the enhanced characterization of calcifications provided by digital mammography. METHODS: A retrospective study of mammographic reports classified as BI-RADS® category 4 at a private diagnostic service specialized in breast imaging was carried out on exams performed during the first year of introducing the digital technique. The investigation entailed analysis of the anatomopathological diagnoses of BI-RADS® category 4 for grouped amorphous microcalcifications submitted to vacuum-assisted breast biopsy (VABB). Anatomopathological findings correlated to this radiological finding were determined and positive predictive value of these calcifications submitted to biopsy (PPV 3) was calculated. RESULTS: Of the 219 findings of grouped amorphous microcalcifications, 78 were submitted to VABB with known follow-up or subsequent surgery. The anatomopathological results included eight (10%) malignant cases, 36 (46%) benign cases and 34 (44%) diagnoses of high-risk lesions, eight of which belonged to the radial scar/papillary lesion subgroup (seven radial scars and one papilloma) and 26 (33% of all cases) to the atypia/lobular neoplasia subgroup, comprising 14 atypical ductal hyperplasias, four lobular neoplasias and eight flat epithelial atypia. Extended surgery was recommended for lesions with uncertain malignant potential at biopsy and performed in 65% of the atypia/lobular neoplasia subgroup, with an underestimation rate of zero (0/18). Mean follow-up time of patients diagnosed with benign or high-risk lesions was 22 months. CONCLUSIONS: One-third of grouped amorphous calcifications on full-field digital mammography corresponded to precursory lesions in the form of atypia (ductal and columnar) or lobular neoplasias. These lesions were associated to grouped amorphous calcifications at a ratio of 3:1 compared to malignant lesions,whose PPV 3 was 10%

Os requisitos técnicos da qualidade da imagem em mamografia estabelecidos por normas nacionais e internacionais incluem parâmetros de qualidade que podem ser avaliados através da realização de testes periódicos. Estes parâmetros podem ser medidos com a aquisição e leitura de imagens de objetos (phantoms) que simulam as estruturas presentes em uma mamografia. O phantom CDMAM foi confeccionado especificamente para a realização de testes que utilizam um procedimento padrão para se determinar um limiar de contraste para cada diâmetro de disco presentes em suas imagens. No entanto, esta tarefa é bastante trabalhosa e consome tempo, além de estar sujeita a uma significativa dependência do observador, diminuindo a precisão das aferições. Nesse sentido, o propósito deste trabalho é o desenvolvimento de um software que auxilie o profissional na realização dos testes, reduzindo a subjetividade devida aos observadores e correlacionando as leituras automatizadas com o sistema visual humano, sem a necessidade de se efetuar a correção dos resultados, como é realizado em diversos trabalhos encontrados na literatura. Para isso, foram utilizadas imagens obtidas por cinco sistemas CR e um método de detecção baseado na confecção de filtros circulares correlatores. A correlação com a visão humana fundamentou-se nos parâmetros de Weber, que descrevem o comportamento do sistema visual na discriminação do contraste em imagens digitais. A classificação dos discos contidos na imagem do phantom entre visível ou não visível foi efetuada a partir de uma ferramenta de mineração de dados conhecida como WEKA (Waikato Environment for Knowledge Analysis) associada ao algoritmo J48, que promove a construção de modelos de árvore de decisão. O resultado da implementação destas árvores de decisão foi a obtenção de um sistema de auxílio ao especialista que reforça a sua integridade na avaliação a partir de resultados estáveis e de fácil interpretação, atingindo acurácias de até 95%. / Technical requirements of image quality in mammography established by national and international norms include quality parameters which can be achieved by conducting periodic tests. It is recommended that some quality parameters are measured from images acquired by exposing specific phantoms, as CDMAM, in such systems. Nevertheless, this task is hard-working and time consuming, besides to be subject to a significant dependence of the observer, reducing the measurements accuracy. Accordingly, the purpose of this work is the development of a software to assist in the professional testing, reducing the subjectivity due to the observers and correlating the automated readings with the human visual system, without the need to make the correction of the results, as is done in many studies in the literature. For this, we used 57 images obtained for five CR systems and a method of detection based on circular correlators filters. The correlation with human vision was based on the Weber\'s parameters which describe the behavior of the visual system to discriminate the contrast in digital images. The classification of the image discs between visible or not visible was made from a data mining tool known as WEKA (Waikato Environment for Knowledge Analysis) associated with the J48 algorithm which promotes the construction of decision tree models. The result of the decision trees implementation was a system to aid the specialist, reinforcing the integrity of the assessment using stable results, easily interpreted, and reaching accuracies of up to 95%.

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.

A qualidade dos exames mamográficos é uma preocupação constante do sistema de saúde mundial que se vê diante do desafio da detecção precoce do câncer de mama. As organizações responsáveis implementaram protocolos internacionais que consistem em testes de aceitação dos equipamentos mamográficos e de tomossíntese da mama, os quais estabelecem um padrão de qualidade nos serviços radiográficos. Porém, essas diretrizes têm como base o uso de objetos simuladores de mamas com espessuras e composições padrões, que muitas vezes não condizem com os perfis populacionais dos centros de diagnóstico. Neste trabalho, foi desenvolvido um sistema automatizado de rastreamento e gerenciamento de dados, que extrai as informações referentes ao processo de aquisição da mamografia digital e armazena-as em um servidor DICOM SCP (Service Class Provider). Após armazenadas, o sistema correlaciona os fatores de exposição das imagens, de forma a avaliar os níveis de referência em dose de radiação fornecidos pelos equipamentos. Como resultados, foi verificado que o perfil mamário dos centros institucionais de diagnóstico estudados não segue os valores de referência apresentados na literatura em termos de espessura e densidade mamária. Enquanto a mama padrão dos testes de garantia de qualidade é composta por 50 mm de espessura e 50% de densidade (50-50), a população estudada apresentou mamas comprimidas com média de 60 mm de espessura, com baixo percentual de tecido fibroglandular (menor que 25%). Portanto, o uso o sistema desenvolvido pode direcionar os testes de conformidade dos equipamentos para perfis mamários específicos. Esse direcionamento pode auxiliar na determinação de doses ótimas de radiação para melhoria da qualidade da imagem, produzindo valores de referência de grande utilidade para a qualidade dos serviços radiográficos. / Image quality assessment in mammography represents one of the greatest challenges that health services face in order to detect breast cancer early. The world health organization recommends quality assurance guidelines, which consist of acceptance tests for digital mammography (DM) and digital breast tomosynthesis (DBT), to standardize the radiological services. However, these guidelines are based on test objects widely used to simulate standard breasts in terms of composition and thickness, which often do not match with the demographic profiles in the breast care centers. In this thesis work, an automated system for tracking and data management was developed to extract the metadata (DICOM header) from the image acquisition process and to store it into a custom DICOM Service Class Provider (SPC). The developed system correlates the exposure factors\' info in order to evaluate the references for patient radiation dose provided by the manufacturers. As result of the data correlations, the reference required by the international guidelines for standard breasts are not a feasible representation for the demographic profile in the breast care center evaluated in terms of breast density and thickness. While the standard for quality assurance testing consists of breasts with 50 mm of thickness and 50% of density, the demographic population presented compressed breast thickness of approximately 60 mm and low fibroglandular tissue (less than 25%). Therefore, using the developed system should guide the quality assurance in digital mammography to specific breast profiles. This guidance may assist in determining optimal radiation doses to improve the image quality, producing useful benchmarks for the quality of radiological services.

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.

O objetivo deste trabalho é apresentar um novo método para a remoção do ruído Poisson em imagens de mamografia digital adquiridas com baixa dosagem de radiação. Sabe-se que a mamografia por raios X é o exame mais eficiente para a detecção precoce do câncer de mama, aumentando consideravelmente as chances de cura da doença. No entanto, a radiação absorvida pela paciente durante o exame ainda é um problema a ser tratado. Estudos indicam que a exposição à radiação pode induzir a formação do câncer em algumas mulheres radiografadas. Apesar desse número ser significativamente baixo em relação ao número de mulheres que são salvas pelo exame, existe a necessidade do desenvolvimento de meios que viabilizem a diminuição da dose de radiação empregada. No entanto, uma redução na dose de radiação piora a qualidade da imagem pela diminuição da relação sinal-ruído, prejudicando o diagnóstico médico e a detecção precoce da doença. Nesse sentido, a proposta deste trabalho é apresentar um método para a filtragem do ruído Poisson que é adicionado às das imagens mamográficas quando adquiridas com baixa dosagem de radiação, fazendo com que ela apresente qualidade equivalente àquela adquirida com a dose padrão de radiação. O algoritmo proposto foi desenvolvido baseado em adaptações de algoritmos bem estabelecidos na literatura, como a filtragem no domínio Wavelet, aqui usando o Shrink-thresholding (WTST), e o Block-matching and 3D Filtering (BM3D). Os resultados obtidos com imagens mamográficas adquiridas com phantom e também imagens clínicas, mostraram que o método proposto é capaz de filtrar o ruído adicional incorporado nas imagens sem perda aparente de informação. / The aim of this work is to present a novel method for removing the Poisson noise in digital mammography images acquired with reduced radiation dose. It is known that the X-ray mammography is the most effective exam for early detection of breast cancer, greatly increasing the chances of healing the disease. However, the radiation absorbed by the patient during the exam is still a problem to be treated. Some studies showed that mammography can induce breast cancer in a few women. Although this number is significantly low compared to the number of women who are saved by the exam, it is important to develop methods to enable the reduction of the radiation dose used in the exam. However, dose reduction led to a decrease in image quality by means of the signal to noise ratio, impairing medical diagnosis and the early detection of the disease. In this sense, the purpose of this study is to propose a new method to reduce Poisson noise in mammographic images acquired with low radiation dose, in order to achive the same quality as those acquired with the standard dose. The method is based on well established algorithms in the literature as the filtering in Wavelet domain, here using Shrink-thresholding (WTST) and the Block-matching and 3D Filtering (BM3D). Results using phantom and clinical images showed that the proposed algorithm is capable of filtering the additional noise in images without apparent loss of information.

A proposta deste trabalho foi analisar diferentes metodologias de treinamento de uma rede neural convolucional profunda (CNN) para a detecção de distorção arquitetural mamária (DA) em imagens de mamografia digital. A DA é uma contração sutil do tecido mamário que pode representar o sinal mais precoce de um câncer de mama em formação. Os sistemas computacionais de auxílio ao diagnóstico (CAD) existentes ainda apresentam desempenho insatisfatório para a detecção da DA. Sistemas baseados em CNN têm atraído a atenção da comunidade científica, inclusive na área médica para a otimização dos sistemas CAD. No entanto, as CNNs necessitam de um grande volume de dados para serem treinadas adequadamente, o que é particularmente difícil na área médica. Dessa forma, foi realizada neste trabalho, uma comparação de diferentes abordagens de treinamento para uma arquitetura CNN avaliando-se o efeito de técnicas de geração de novas amostras (data augmentation) sobre o desempenho da rede. Para isso, foram utilizadas 240 mamografias digitais clínicas. Uma das redes (CNN-SW) foi treinada com recortes extraídos por varredura em janela sobre a área interna da mama (aprox. 21600 em média) e a outra rede (CNN-SW+) contou com o mesmo conjunto ampliado por data augmentation (aprox. 345000 em média). Para avaliar o método, foi utilizada validação cruzada por k-fold, gerando-se em rodízio, 10 modelos de cada rede. Os testes analisaram todas as ROIs extraídas da mama, sendo testados 14 mamogramas por fold, e obtendo-se uma diferença estatisticamente significativa entre os resultados (AUC de 0,81 para a CNN-SW e 0,83 para a CNN-SW+). Mapas de calor ilustraram as predições da rede, permitindo uma análise visual e quantitativa do comportamento de ambos os modelos. / The purpose of this work was to analyze different training methodologies of a deep convolutional neural network (CNN) to detect breast architectural distortion (AD) in digital mammography images. AD is a subtle contraction of the breast tissue that may represent the earliest sign of a breast cancer in formation. Current Computer-Aided Detection (CAD) systems still have an unsatisfactory performance on AD detection. CNN-based systems have attracted the attention of the scientific community, including in the medical field for CAD optimization. However, CNNs require a large amount of data to be properly trained, which is particularly difficult in the medical field. Thus, in this work, different training approaches for a CNN architecture are compared evaluating the effect of data augmentation techniques on the data set. For this, 240 clinical digital mammography were used. One of the networks (CNN-SW) was trained with regions of interest (ROI) extracted by a sliding window over the inner breast area (approx 21600 on average) and the other network (CNN-SW+) had the same set enlarged by data augmentation (about 345000 on average). To evaluate the method, k-fold cross-validation was used, generating 10 instances of each model. The tests looked at all the ROIs extracted from the breast (14 mammograms per fold), and results showed a statistically significant difference between both networks (AUC of 0.81 for CNN-SW and 0.83 for CNN-SW+). Heat maps illustrated the predictions of the networks, allowing a visual and quantitative analysis of the behavior of both models.

INTRODUÇÃO: O objetivo deste estudo é determinar a correlação anatomopatológica das calcificações amorfas agrupadas diagnosticadas na mamografia digital de campo total, ou seja, das calcificações suspeitas mais tênues, uma vez que houve aumento da caracterização de calcificações na mamografia digital. MÉTODOS: Estudo retrospectivo baseado nos laudos mamográficos classificados como categoria BI-RADS 4 no primeiro ano de introdução da técnica digital, com análise dos diagnósticos anatomopatológicos das microcalcificações amorfas agrupadas submetidas à biópsia de fragmento assistida à vácuo no serviço. Calculou-se: os achados anatomopatológicos que se associaram ao achado radiológico de microcalcificações amorfas agrupadas e o valor preditivo positivo destas calcificações biopsiadas. RESULTADOS: Dos 219 achados por microcalcificações amorfas agrupadas, 78 foram submetidos à biópsia de fragmento assistida à vácuo com seguimento conhecido ou cirurgia subsequente. O diagnóstico anatomopatológico correspondeu a oito (10%) casos malignos, 36 (46%) casos benignos, e 34 (44%) diagnósticos de lesões de risco, das quais oito (10%) do subgrupo cicatriz radiada/lesões papilíferas (sete cicatrizes radiadas e um papiloma) e 26 (33%) do subgrupo atipias/ neoplasias lobulares, correspondendo a 14 (18%) hiperplasias ductais atípicas, quatro (5%) neoplasias lobulares e oito (10%) lesões de células colunares com atipia (atipia epitelial plana). A ampliação cirúrgica foi recomendada para as lesões com potencial incerto de malignidade à biópsia e realizada em 65% do subgrupo atipias/neoplasias lobulares, com taxa de subestimação nula (0/18). O tempo médio de seguimento das pacientes com diagnóstico benigno ou de lesão de risco foi 22 meses. CONCLUSÕES: Um terço das microcalcificações amorfas agrupadas em mamografia digital de campo total corresponderam a lesões precursoras representadas pelas atipias (ductais e colunares) e neoplasias lobulares. Essas lesões se associaram às calcificações amorfas agrupadas numa proporção de cerca de 3:1 em relação às lesões malignas, cujo VPP 3 foi 10% / PURPOSE: To determine the anatomopathological correlation of grouped amorphous calcifications (the most tenuous of suspicious calcifications) disclosed on full-field digital mammography, given the enhanced characterization of calcifications provided by digital mammography. METHODS: A retrospective study of mammographic reports classified as BI-RADS® category 4 at a private diagnostic service specialized in breast imaging was carried out on exams performed during the first year of introducing the digital technique. The investigation entailed analysis of the anatomopathological diagnoses of BI-RADS® category 4 for grouped amorphous microcalcifications submitted to vacuum-assisted breast biopsy (VABB). Anatomopathological findings correlated to this radiological finding were determined and positive predictive value of these calcifications submitted to biopsy (PPV 3) was calculated. RESULTS: Of the 219 findings of grouped amorphous microcalcifications, 78 were submitted to VABB with known follow-up or subsequent surgery. The anatomopathological results included eight (10%) malignant cases, 36 (46%) benign cases and 34 (44%) diagnoses of high-risk lesions, eight of which belonged to the radial scar/papillary lesion subgroup (seven radial scars and one papilloma) and 26 (33% of all cases) to the atypia/lobular neoplasia subgroup, comprising 14 atypical ductal hyperplasias, four lobular neoplasias and eight flat epithelial atypia. Extended surgery was recommended for lesions with uncertain malignant potential at biopsy and performed in 65% of the atypia/lobular neoplasia subgroup, with an underestimation rate of zero (0/18). Mean follow-up time of patients diagnosed with benign or high-risk lesions was 22 months. CONCLUSIONS: One-third of grouped amorphous calcifications on full-field digital mammography corresponded to precursory lesions in the form of atypia (ductal and columnar) or lobular neoplasias. These lesions were associated to grouped amorphous calcifications at a ratio of 3:1 compared to malignant lesions,whose PPV 3 was 10%