Esquemas de diagnóstico auxiliado por computador (CAD, do inglês \"computer aided diagnosis\") têm sido desenvolvidos com o objetivo de fornecer subsídios para a detecção precoce do câncer de mama. Nesses esquemas, técnicas de processamento de imagens são utilizadas para indicar a existência de estruturas suspeitas em imagens mamográficas. Entre essas estruturas estão os agrupamentos de microcalcificações (clusters), cuja existência é indicativo da necessidade de uma inspeção mais minuciosa no local. As imagens de mamas densas, características principalmente de mulheres jovens, constituem, no entanto, um desafio para esses esquemas devido ao baixo contraste entre as estruturas de interesse e os demais tecidos representados na imagem mamográfica. Nesta pesquisa, portanto, foram feitas investigações sobre as características das imagens radiográficas de mamas densas, a partir das quais foram desenvolvidas técnicas de realce de contraste que, somadas a outras técnicas de processamento digital, proporcionaram um desempenho mais apropriado de um esquema de processamento para detecção de c1usters. Foram ainda elaboradas técnicas que permitam o trabalho com uma resolução de contraste mais adequada, além de outras que consideram alguns dos parâmetros físicos envolvidos na obtenção das imagens e procedimentos para reduzir diagnósticos falsos-positivos. Os resultados registrados nos testes com diferentes conjuntos de imagens de uma base de dados montada para esse projeto indicam que a combinação das técnicas desenvolvidas permite incrementar o desempenho de um esquema de processamento para detectar agrupamentos de microcalcificações, possibilitando a identificação de estruturas em imagens de baixo contraste, não detectadas em processamento convencional antes do realce de contrate. Como efeito, essa investigação mostra a possibilidade de esquemas CAD em mamografia atingir agora desempenho satisfatório na detecção de microcalcificações em imagens de mamas densas. / Computer-aided diagnosis (CAD) schemes have been developed intended to provide information for early detection of breast cancer. Image processing techniques are used in these schemes in order to indicate suspicious structures in mammographic images. Among these structures there are clustered microcalcifications, which usually drive to a more detailed examination in the location where they are. Images corresponding to dense breasts, which are characteristic mainly of young women, are however a challenge to CAD schemes due to the low contrast between the structures of c1inical interest and the other tissues registered on the film. Therefore, investigations were performed in this work on the characteristics of dense breasts radiographic images, from which contrast enhancement techniques were developed. These procedures were joined to other digital processing techniques to provide a better performance for a processing scheme intended to clusters detection. In addition, techniques which allow to work with a more suitable contrast resolution and others which take into account some of the physical parameters involved in the image acquisition process were developed together with a procedure designed to reduce false positive diagnoses. The results obtained during tests with different images sets from a data base developed for this research indicate that combining all the techniques developed here allow to improve the performance of a processing scheme designed to detect microcalcifications clusters, and it also allows to distinguish some of these structures in low contrast images, which were not detected in conventional processing before the contrast enhancement. As consequence, this investigation shows the possibility now for CAD schemes in mammography reaches a better performance in microcalcifications detection in dense breasts images.

Esquemas de diagnóstico auxiliado por computador (CAD, do inglês \"computer aided diagnosis\") têm sido desenvolvidos com o objetivo de fornecer subsídios para a detecção precoce do câncer de mama. Nesses esquemas, técnicas de processamento de imagens são utilizadas para indicar a existência de estruturas suspeitas em imagens mamográficas. Entre essas estruturas estão os agrupamentos de microcalcificações (clusters), cuja existência é indicativo da necessidade de uma inspeção mais minuciosa no local. As imagens de mamas densas, características principalmente de mulheres jovens, constituem, no entanto, um desafio para esses esquemas devido ao baixo contraste entre as estruturas de interesse e os demais tecidos representados na imagem mamográfica. Nesta pesquisa, portanto, foram feitas investigações sobre as características das imagens radiográficas de mamas densas, a partir das quais foram desenvolvidas técnicas de realce de contraste que, somadas a outras técnicas de processamento digital, proporcionaram um desempenho mais apropriado de um esquema de processamento para detecção de c1usters. Foram ainda elaboradas técnicas que permitam o trabalho com uma resolução de contraste mais adequada, além de outras que consideram alguns dos parâmetros físicos envolvidos na obtenção das imagens e procedimentos para reduzir diagnósticos falsos-positivos. Os resultados registrados nos testes com diferentes conjuntos de imagens de uma base de dados montada para esse projeto indicam que a combinação das técnicas desenvolvidas permite incrementar o desempenho de um esquema de processamento para detectar agrupamentos de microcalcificações, possibilitando a identificação de estruturas em imagens de baixo contraste, não detectadas em processamento convencional antes do realce de contrate. Como efeito, essa investigação mostra a possibilidade de esquemas CAD em mamografia atingir agora desempenho satisfatório na detecção de microcalcificações em imagens de mamas densas. / Computer-aided diagnosis (CAD) schemes have been developed intended to provide information for early detection of breast cancer. Image processing techniques are used in these schemes in order to indicate suspicious structures in mammographic images. Among these structures there are clustered microcalcifications, which usually drive to a more detailed examination in the location where they are. Images corresponding to dense breasts, which are characteristic mainly of young women, are however a challenge to CAD schemes due to the low contrast between the structures of c1inical interest and the other tissues registered on the film. Therefore, investigations were performed in this work on the characteristics of dense breasts radiographic images, from which contrast enhancement techniques were developed. These procedures were joined to other digital processing techniques to provide a better performance for a processing scheme intended to clusters detection. In addition, techniques which allow to work with a more suitable contrast resolution and others which take into account some of the physical parameters involved in the image acquisition process were developed together with a procedure designed to reduce false positive diagnoses. The results obtained during tests with different images sets from a data base developed for this research indicate that combining all the techniques developed here allow to improve the performance of a processing scheme designed to detect microcalcifications clusters, and it also allows to distinguish some of these structures in low contrast images, which were not detected in conventional processing before the contrast enhancement. As consequence, this investigation shows the possibility now for CAD schemes in mammography reaches a better performance in microcalcifications detection in dense breasts images.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-09-04T18:08:18Z No. of bitstreams: 1 LuisClaudioSilva.pdf: 4393489 bytes, checksum: 5c3cb715bd7992ba1cc5380c1a940f32 (MD5) / Made available in DSpace on 2017-09-04T18:08:18Z (GMT). No. of bitstreams: 1 LuisClaudioSilva.pdf: 4393489 bytes, checksum: 5c3cb715bd7992ba1cc5380c1a940f32 (MD5) Previous issue date: 2017-07-27 / Breast cancer is the second type of cancer that most a ects women in the world, losing only for non melanoma skin cancer. Breast density can hinder the location of masses, especially in early stages. In this work, the use of independent component analysis for detecting and segmentation lesions in dense breasts is proposed. Several works suggests the use of computer aided diagnosis, increasing sensitivity to over 90% in detecting cancer in non dense breasts, however there are few published studies about detecting in dense breasts. To analyse its e ciency in relation to other segmentation techniques, we compare the performance with principal component analysis. To measure the quality of the segmentation obtained by the two methods, a area overlay measure will be used. To verify if there was any di erence between the results of the proposed methods in the detection of lesions in nondense breasts and in dense breasts, a statistic test for two proportions was used. Experimental results on the Mini-MIAS and DDSM database showed an accuracy of 92.71% in detecting masses in nondense and 79.17% in dense breasts. All experiments showed that the ICA lters have a better performance for detect lesions in dense breast, compared with PCA. Contrary to previous works, our experiments showed that there is actually a signi cant di erence between the detection of masses in dense and nondense breasts. This study can help specialist to detect lesions in dense breast. / O câncer de mama é o segundo tipo de câncer que mais afeta mulheres no mundo, perdendo apenas para o câncer de pele não melanoma. A densidade da mama pode di cultar a localização de massas, especialmente em estágios iniciais. Neste trabalho, propõe-se o uso de análise de componentes independentes para detectar e segmentar lesões em mamas densas. Vários trabalhos sugerem o uso do diagnóstico auxiliado por computador, aumentando a sensibilidade para acima de 90% na detecção de câncer em mamas não densas, no entanto, existem poucos estudos publicados sobre a detecção em mamas densas. Para analisar a e ciência do método proposto em relação a outras técnicas de segmentação, comparamos o desempenho com a análise de componentes principais. Para medir a qualidade da segmentação obtida pelos dois métodos, será utilizada uma medida de sobreposição de área. Para veri car se houve diferença entre os resultados dos métodos propostos na detecção de lesões em mamas não densas e nas mamas densas, foi utilizado um teste estatístico para duas proporções. Os resultados experimentais usando os bancos de dados Mini-MIAS e DDSM mostraram uma acurácia de 92,71% na detecção de massas em mamas não densas e 79,17% em mamas densas. Todas as experiências mostraram que os ltros de ICA usados têm um melhor desempenho para detectar lesões em mamas densas, em comparação com PCA. Contrariamente aos trabalhos anteriores, nossos experimentos mostraram que existe realmente uma diferença signi cativa entre a detecção de massas em mamas densas e não densas. Este estudo pode ajudar o especialista a detectar lesões em mamas densas