Neste trabalho, foram desenvolvidos modelos semianalíticos para estudar os parâmetros de qualidade da imagem (contraste objeto, SC, e razão contraste-ruído, CNR) e a dose glandular normalizada (DgN ) em mamografia convencional e digital. As características de 161 amostras de tecidos mamários (coeficiente de atenuação linear e densidade) e os espectros de raios X mamográficos foram determinados experimentalmente, visando construir uma base de dados consistente destas grandezas para serem utilizadas nos modelos. Os coeficientes de atenuação linear foram determinados utilizando um feixe de raios X polienergético e um detector de Si(Li), e as densidades foram medidas utilizando o método da pesagem hidrostática. Os espectros de raios X de um equipamento industrial, que simula as qualidades de radiação de mamografia, foram medidos utilizando detectores de Si(Li), CdTe e SDD. A resposta de cada detector foi determinada por simulação Monte Carlo (MC). Os modelos semianalíticos desenvolvidos neste trabalho permitem calcular a deposição de energia na mama e no receptor de imagem, e foram utilizados para estudar o SC, a CNR e a DgN, para diferentes tipos de mama (espessura e glandularidade) e características do espectro incidente (combinação ânodo/filtro, potencial do tubo e camada semirredutora), bem como permitem avaliar a figura de mérito (FOM) em mamografia convencional e digital. Os resultados de coeficiente de atenuação e densidade para os diferentes grupos de tecidos mamários, mostram que os tecidos normais fibroglandulares e neoplásicos possuem características similares, enquanto tecidos normais adiposos apresentam menores valores destas grandezas. Os espectros medidos com cada detector, e devidamente corrigidos por suas respostas, mostram que os três tipos de detectores podem ser usados para determinar espectros mamográficos. Com base nos resultados de SC e CNR, foram estimados limites de detecção de nódulos em mamografia convencional e digital, que se mostraram similares entre si. Os resultados de SC, CNR e DgN obtidos também destacam a importância da escolha do modelo da mama e da base de dados de coeficiente de atenuação e espectros de raios X utilizados, uma vez que estes são responsáveis por uma grande variação nas grandezas estudadas. Além disso, os resultados de FOM mostram que, para mamas finas, a combinação Mo/Mo, tradicionalmente utilizada, apresenta o melhor desempenho, enquanto as combinações W/Rh e W/Ag são as mais indicadas para mamas espessas. Para mamas de espessuras médias, a melhor combinação depende da técnica utilizada (convencional ou digital). Finalmente, verificou-se que os modelos semianalíticos desenvolvidos permitem a obtenção de resultados de forma prática e rápida, com valores similares aos obtidos por simulação MC. Desta forma, estes modelos permitirão estudos futuros a respeito da otimização da mamografia, para outros tipos de mama e condições de irradiação. / In this work, semianalytical models were developed to study the image quality parameters (subject contrast, SC, and contrast-to-noise ratio, CNR) and the normalized average glandular dose (DgN) in conventional and digital mammography. The characteristics of 161 breast tissue samples (linear attenuation coefficient and density), and the mammographic x-ray spectra were determined experimentally, aiming to establish a consistent experimental database of these quantities to be used in the models. The linear attenuation coefficients were determined using a polyenergetic x-ray beam and a Si(Li) detector, and the densities were measured using the buoyancy method. The x-ray spectra from an industrial equipment, which reproduces the mammographic qualities, were measured using Si(Li), CdTe and SDD detectors. The responses of the detectors were determined using Monte Carlo (MC) simulation. The semianalytical models developed in this work allow computing the energy deposited in the breast and in the image receptor, and they were employed to study the SC, CNR and DgN, for different types of breast (thickness and glandularity) and incident x-ray spectra (anode/filter combination, tube potential and half-value layer). These models also allow evaluating the figure of merit (FOM) for conventional and digital mammography. The results of attenuation coefficient and density for the tissues analyzed show similar characteristics for the normal fibroglandular and neoplasic breast tissues, while the adipose tissue presents lower values of these quantities. From the x-ray spectra obtained using each detector, and corrected by their respective responses, it is observed that the three types of detectors can be used to determine mammographic spectra. Detection limits for nodules were estimated from the results of SC and CNR, and they were similar for both cases. The results of SC, CNR and DgN also show the importance of the choice of the breast model, and of the database of attenuation coefficient of breast tissues and x-ray spectra, since they largely influence the studied quantities. Besides, the results for FOM show that, for thin breasts, the Mo/Mo spectrum exhibits the better performance, while the W/Rh and W/Ag spectra are recommended for thicker breasts. For average thickness breasts, the more indicated spectra depend on the employed technique (conventional or digital). Finally, it was verified that the semianalytical models developed in this work provided results in a fast and simple way, with a good agreement with those obtained by using MC simulation. Therefore, these models allow further studies, regarding optimization of mammography, for other breast characteristics and irradiation parameters.

Este trabalho apresenta uma nova estratégia computacional para classificar nódulos mamográficos, que podem ser identificados por radiologistas nos exames de mamografia, em benignos ou malignos. Para a realização dos experimentos computacionais, foram utilizados 57 regiões suspeitas de câncer (ROIs) encontrados pelo radiologista nos exames de mamografia. Das 57 ROIs, 37 foram identificadas como nódulos benignos e 20 identificadas como nódulos malignos, após o exame de biópsia. Com base nestas 57 ROIs são aplicadas técnicas de processamento de imagens para extrair determinadas características que possibilitam classificar um nódulo como benigno ou maligno. Estas características são separadas em três conjuntos: três características de forma, quatorze características de textura e três características de nitidez da borda. A estratégia computacional usada para classificar esses três conjuntos de características foi o classificador Máquina de Comitê. A Máquina de Comitê é formado por um grupo de classificadores, usados para resolver uma tarefa difícil. Os membros do comitê são tipicamente Redes Neurais Artificiais. Nesse trabalho foram usados Perceptrons de Múltiplas Camadas (MLP) como classificador da Máquina de Comitê. O resultado da classificação é dado pela combinação das respostas de cada classificador. Experimento envolvendo alteração na configuração da Máquina de Comitê também foi realizado. A precisão da classificação foi avaliada utilizando o cálculo da área sob a curva Receiver Operating Characteristics (ROC), designada por Az. O resultado de Az apresentado pela Máquina de Comitê é comparado com o resultado de outros classificadores neurais, como MLPs e Perceptrons de Camada Simples (SLP). Os resultados são apresentados pela média e desvio padrão de 20 experimentos. Para concluir se o resultado apresentado por um classificador é melhor que o outro, foram realizados testes de hipóteses utilizando a distribuição de Student t. / This work addresses a new approach using a committee machine to classify masses found in mammograms as benign or malignant. The characteristics sets used in the classification are: Three shape factors, three measures of edge sharpness, and fourteen texture features. They were used for the classification of 37 regions of interest (ROIs) related to benign masses and 20 ROIs of malignant tumors. The committee machine is a group of classifiers used to resolve a difficult task. Committee members are typically neural networks. In this work, we used a group of multi-layer perceptrons (MLPs) as a committee machine classifier. The classification results were realized by combining the responses of these classifiers. Experiments involving change in the learning algorithm of the committee machine also were conducted. The classification accuracy was evaluated using the area Az under the receiver operating characteristics (ROC) curve. The Az result for the committee machine was compared with the Az results obtained using MLP and single-layer perceptron (SLP) neural networks. In almost all cases, the committee machine outperformed the MLP and SLP. For a better understanding about the results of the experiments we carried out the hypothesis test using the Student\'s t-Distribution and it showed that the Committee Machine classifier has better results than MLP and SLP classifiers.

Introdução: Receptores hormonais modulam a resposta dos tecidos ao estímulo humoral. Evidências epidemiológicas mostram que as variações dos genes que regulam a biossíntese e metabolização dos receptores estrogênicos (RE) causam alterações no efeito dos estrógenos no tecido mamário, podendo explicar as variações individuais da densidade mamográfica. A alta densidade mamográfica é um fator de risco importante para o câncer de mama.Objetivo: Avaliar a associação das características clínicas e dos polimorfismos do gene do REalfa (XBal, Pvull e (GT)n) com a densidade mamográfica em mulheres após a menopausa. Casuística e métodos: Avaliaram-se prospectivamente 463 mulheres após a menopausa, sendo que 308 mulheres com mamas densas e 155 com mamas não densas, segundo os critérios do ACR-BIRADS (2003) por avaliação objetiva computadorizada, com idade de 45 a 60 anos, não usuárias de terapia hormonal nos últimos 12 meses e sem antecedentes pessoais de câncer de mama. Amostras de sangue periférico foram obtidas para extração de DNA e análise dos polimorfismos presente no íntron 1 e região promotora (Xbal, Pvull e (GT)n) do gene do RE?. Resutados: Dos fatores considerados de risco para o câncer de mama, houve associação com a densidade mamográfica: idade (p=0,005); medida da cintura abdominal (p=0,001); número de gravidezes (p=0,007); idade ao ter o 1º filho (p=0,035); antecedentes familiares (p=0,035); tempo decorrido deste a data da última menstruação (p=0,007) e índice de massa corpórea (p=0,022). Foi verificada diferença significante entre os grupos de mama densa e não densa para distribuição do genótipo do polimorfismo Pvull (p=0,024). Xbal (p=0,362) e, para o polimorfismo de repetição (GT)n (p=0,151) a associação não foi significante. Conclusão: Apenas o polimorfismo Pvull e os fatores clínicos: idade, cintura abdominal, número de gravidezes, idade ao ter o primeiro filho, antecedentes familiares de câncer de mama, tempo decorrido desde a data da última menstruação e o índice de massa corpórea mostraram-se associados com a densidade mamográfica após a menopausa / Introduction: The hormone receptors modulate the tissue response to hormonal stimulation. Epidemiological evidences show that the variations in genes that regulate the biosynthesis and metabolism of estrogen receptors (ER) cause changes in the effect of estrogen in breast tissue, which may explain individual variations of the mammographic density. High mammographic density is an important risk factor for the breast cancer. Objective: Evaluating the association of clinical characteristics and polymorphisms of the gene ERalfa [XbaI, PvuII and (GT)n] and mammographic density in postmenopausal women. Methods: It was prospectively evaluated 463 postmenopausal women - 308 women with high mammographic density (HMD) and 155 controls (to 50% density or less), according to the criteria of the ACR - BIRADS (2003 ) computed objective assessment , aged 45 to 60 , nonusers of hormone therapy in the past 12 months and with no personal history of breast cancer. Peripheral blood samples were obtained for DNA extraction and analysis of this polymorphism in intron 1 and promoter [XbaI, PvuII and (GT) n)] of the ERalfa gene region. Results: Among the risk factors for breast cancer there was an association with mammographic density: age (p = 0.005), waist circumference (p = 0.001), number of pregnancies (p = 0.007), age of first birth ( p = 0.035 ), family history (p = 0.035), time after menopause (p = 0.007 ) and body mass index (p = 0.022). Significant difference was observed between the groups of HMD and control only for the distribution of the polymorphism PvuII (p = 0.024 ). XbaI (p = 0.362 ) and for repeat polymorphism (GT) n (p = 0.151) the association was not significant. Conclusion: Only the PvuII polymorphism and clinical factors: age, waist circumference, number of pregnancies, age of first birth, family history of breast cancer, time after menopause and body mass index proved to be associated with high mammographic density after menopause

Este trabalho apresenta uma nova estratégia computacional para classificar nódulos mamográficos, que podem ser identificados por radiologistas nos exames de mamografia, em benignos ou malignos. Para a realização dos experimentos computacionais, foram utilizados 57 regiões suspeitas de câncer (ROIs) encontrados pelo radiologista nos exames de mamografia. Das 57 ROIs, 37 foram identificadas como nódulos benignos e 20 identificadas como nódulos malignos, após o exame de biópsia. Com base nestas 57 ROIs são aplicadas técnicas de processamento de imagens para extrair determinadas características que possibilitam classificar um nódulo como benigno ou maligno. Estas características são separadas em três conjuntos: três características de forma, quatorze características de textura e três características de nitidez da borda. A estratégia computacional usada para classificar esses três conjuntos de características foi o classificador Máquina de Comitê. A Máquina de Comitê é formado por um grupo de classificadores, usados para resolver uma tarefa difícil. Os membros do comitê são tipicamente Redes Neurais Artificiais. Nesse trabalho foram usados Perceptrons de Múltiplas Camadas (MLP) como classificador da Máquina de Comitê. O resultado da classificação é dado pela combinação das respostas de cada classificador. Experimento envolvendo alteração na configuração da Máquina de Comitê também foi realizado. A precisão da classificação foi avaliada utilizando o cálculo da área sob a curva Receiver Operating Characteristics (ROC), designada por Az. O resultado de Az apresentado pela Máquina de Comitê é comparado com o resultado de outros classificadores neurais, como MLPs e Perceptrons de Camada Simples (SLP). Os resultados são apresentados pela média e desvio padrão de 20 experimentos. Para concluir se o resultado apresentado por um classificador é melhor que o outro, foram realizados testes de hipóteses utilizando a distribuição de Student t. / This work addresses a new approach using a committee machine to classify masses found in mammograms as benign or malignant. The characteristics sets used in the classification are: Three shape factors, three measures of edge sharpness, and fourteen texture features. They were used for the classification of 37 regions of interest (ROIs) related to benign masses and 20 ROIs of malignant tumors. The committee machine is a group of classifiers used to resolve a difficult task. Committee members are typically neural networks. In this work, we used a group of multi-layer perceptrons (MLPs) as a committee machine classifier. The classification results were realized by combining the responses of these classifiers. Experiments involving change in the learning algorithm of the committee machine also were conducted. The classification accuracy was evaluated using the area Az under the receiver operating characteristics (ROC) curve. The Az result for the committee machine was compared with the Az results obtained using MLP and single-layer perceptron (SLP) neural networks. In almost all cases, the committee machine outperformed the MLP and SLP. For a better understanding about the results of the experiments we carried out the hypothesis test using the Student\'s t-Distribution and it showed that the Committee Machine classifier has better results than MLP and SLP classifiers.

Introdução: O câncer de mama é um problema de saúde publica, sendo a maior causa de morbidade e mortalidade de câncer em mulheres de todo mundo. O rastreamento mamográfico mostrou-se efetivo na redução na mortalidade por câncer de mama em países desenvolvidos, entretanto ainda não é consenso a idade de início do rastreamento mamográfico. Objetivo: Verificar o impacto do rastreamento mamográfico em mulheres entre 40-49 anos na região de Barretos. Casuística e métodos: Este é um estudo observacional transversal que incluíram mulheres assintomáticas com idade entre 40-69 anos que foram submetidas a rastreamento mamográfico entre os anos de 2003 a 2007. As mulheres com exames classificadas pelo sistema BI-RADS em zero, quatro ou cinco foram convocados para investigação. Foram descritas as freqüências absolutas e relativas das variáveis e suas diferenças analisadas pelo teste de qui-quadrado sendo escolhido o nível de significância p <0,05. Foi realizado análise de regressão logística para avaliar o risco de câncer de mama em relação à idade. Resultados: 27.133 mulheres com idades entre 40-69 foram selecionadas, 52% (14.082) das mamografias foram feitas em mulheres de 40 a 49 anos. Foram detectados 132 casos de câncer de mama em mulheres de 40 a 69 anos sendo 49 casos entre mulheres de 40 a 49. A estimativa de risco de câncer de mama entre mulheres de 40 e 49 anos (OR 0,43 [IC95% 0,28 - 0,66]) foi significativamente menor do que entre 60-69 anos. Dos casos de câncer de mama em mulheres de 40 a 49 anos 55% eram iniciais (Estádio Clínico 0-I) enquanto que no período anterior ao rastreamento eram 13%. Conclusões: O rastreamento mamográfico realizado na Região de Barretos mostrou menor risco de câncer de mama nas mulheres de 40 a 49 anos em relação às mulheres entre 60 e 69 anos. O estudo mostrou ainda que o rastreamento aumentou o número de casos iniciais (Estádio Clínico 0-I) entre as mulheres de 40 e 49 anos em relação ao período anterior ao rastreamento / Introduction: Breast cancer is a public health problem, being the major cause of morbidity and mortality of cancer in women worldwide. The mammographic screening was effective in reducing mortality from breast cancer in developed countries, but consensus is not yet the age of onset of mammographic screening. Objective: Investigate the impact of mammographic screening in women aged 40-49 years in Barretos region. Methods: This is a cross sectional observational study that included asymptomatic women aged 40-69 years who underwent screening mammography between the years 2003 to 2007. Women with tests classified by the BI-RADS at zero, four or five were summoned for investigation. We described the absolute and relative frequencies of the variables and their differences were analyzed by chi-square was chosen significance level p <0.05. Was performed logistic regression analysis to assess the risk of breast cancer in relation to age. Results: 27,133 women aged 40-69 were selected, 52% (14 082) of mammograms were performed in women 40 to 49 years. We detected 132 cases of breast cancer in women aged 40 to 69 years with 49 cases among women 40 to 49. The estimated risk of breast cancer among women between 40 and 49 years (OR 0.43 [95% CI 0.28 to 0.66]) was significantly lower than 60-69 years. Cases of breast cancer in women aged 40 to 49 years 55% were early (clinical stage 0-I) while in the period prior to screening was 13%. Conclusions: The screening mammography performed in the region Barrie showed a lower risk of breast cancer in women aged 40 to 49 years for women between 60 and 69 years. The study also showed that screening increased the number of initial cases (clinical stage 0-I) among women aged 40 to 49 years in the period prior to screening

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.

Made available in DSpace on 2016-08-19T18:15:54Z (GMT). No. of bitstreams: 1 Ana Maria Nogueira Silva.pdf: 441134 bytes, checksum: 7fdca83931c0bdbbdf8528fe5b39b167 (MD5) Previous issue date: 2007-12-22 / Objetives: To assess the effects between non-treatment (placebo group) and a low dosage estrogen-progestin regimen with norgestimate on changes in mammographic breast density (BD) in postmenopausal women after 12 months of hormone therapy. Methods: A prospective study was performed with 40 postmenopausal patients from Materno-Infantil University Hospital (São Luís, Maranhão), divided into two groups: treated ( n=20) using 1 mg of beta-estradiol (E2) and 1mg of E2 + 90mcg norgestimate (NMG); and control (placebo). One-hundred sixty mammograms were done before and after a 12-month period of hormone therapy and BD between the two exams in each group was compared. BD was measured by two qualitative methods (Wolfe and Breast Image Reporting and Data System BI-RADS classification) by two different observers. Data were analysed using Epi- Info program, with statistical significance of 5%. Interobserver variability from mammograms was considered low in both classifications, as well as there were a high percentage of agreement between the two methods. T-student test was used for means and Fisher test for binomial variables. Results: Both groups were considered homogeneous. Body mass index (BMI) did not change during the study period in both groups. Mammographic breast density s classification according to Wolfe was respectively in treated and placebo groups, N1=12, P1=5, P2=3, DY=0; and N1=11, P1=6, P2=3, DY=0, before and after low dose hormone therapy, with no significant differences. A similar pattern was observed at placebo group using Wolfe classification. There were no significant changes in BD according to BI-RADS category in both groups. Conclusion: Low dosage hormone therapy with norgestimate was not associated with increased BD after 12 months of treatment, supporting current literature. Further studies using devices with better technology in analyzing BD are needed to confirm a stability of breast epithelium with different types of low dosage hormone therapy. / Objetivos: Avaliar mudanças no padrão da densidade mamográfica (DM) com a utilização da terapia estro-progestativa de baixa dose com norgestimato entre mulheres na pós-menopausa durante um período de 1 ano. Metodologia: Realizado estudo prospectivo com 40 pacientes menopausadas do Hospital Universitário Materno-Infantil (São Luís, Maranhão), divididas em dois grupos: tratado (n=20) usando 1 mg de beta-estradiol (E2) e 1mg de E2 + 90mcg de norgestimato (NMG); e controle (placebo). Cento e sessenta mamografias foram realizadas antes e depois de 12 meses de acompanhamento. A DM foi aferida por dois métodos qualitativos (classificação de Wolfe e do Breast Image Reporting and Data System BI-RADS) por dois observadores. Os dados foram analisados e tabulados utilizando-se o programa Epi-Info (alfa=5%). A variabilidade interobservador foi considerada baixa nas duas classificações, assim como houve ótima concordância entre os dois métodos. Os testes t de Student e Fisher foram utilizados para, respectivamente, médias e variáveis binomais. Resultados: Ambos os grupos foram considerados homogêneos. O índice de massa corpórea (IMC) não se alterou durante o período do estudo tanto no grupo A como no B. A classificação de DM no grupo tratado, de acordo com Wolfe foi, respectivamente: N1=12, P1=5, P2=3, DY=0; e N1=11, P1=6, P2=3, DY=0, respectivamente antes e depois da terapia hormonal de baixa dose, sem diferenças estatísticas. Um padrão similar foi também observado no grupo controle. Não houveram mudanças significativas na densidade mamária de acordo com a classificação BI-RADS nos dois grupos. Conclusão: A terapia hormonal de baixa dose com norgestimato não foi associada com aumento de DM após 12 meses de tratamento, ratificando literatura corrente. Há necessidade de melhores tecnologias para avaliar a DM e confirmar a estabilidade do epitélio mamário com diferentes tipos de terapia hormonal de baixa dose.

Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-27T13:46:48Z No. of bitstreams: 1 Caio Eduardo Falcão Matos.pdf: 1884390 bytes, checksum: a5489f8f52a87e6c5958458ed5470488 (MD5) / Made available in DSpace on 2017-04-27T13:46:48Z (GMT). No. of bitstreams: 1 Caio Eduardo Falcão Matos.pdf: 1884390 bytes, checksum: a5489f8f52a87e6c5958458ed5470488 (MD5) Previous issue date: 2017-02-08 / Breast cancer is one of the leading causes of death among women over the world. The high mortality rates that cancers achieves across the world highlight the importance of developing and investigating the means for the early detection and diagnosis of this disease. Computer Detection and Diagnosis Systems (Computer Assisted Detection / Diagnosis) have been used and proposed as a way to help health professionals. This work proposes a new methodology for discriminating patterns of malignancy and benignity of masses in mammography images by analysis of local characteristics. To do so, it is proposed a combined methodology of feature detectors and descriptors with a model of data representation for an analysis. The goal is to capture both texture and geometry in areas of mammograms. We use the SIFT, SURF and ORB detectors, and the descriptors HOG, LBP, BRIEF and Haar Wavelet. The generated characteristics are coded by a bag of features model to provide a new representation of the data and therefore decrease a dimensionality of the space of characteristics. Finally, this new representation is classified using three approaches: Support Vector Machine, Random Forest, and Adaptive Boosting to differentiate as malignant and benign masses. The methodology provides promising results for the diagnosis of malignant and benign mass encouraging that as local characteristics generated by descriptors and detectors produce a satisfactory a discriminating set. / O câncer de mama é apontado como uma das principais causas de morte entre as mulheres. As altas taxas de mortalidade e registros de ocorrência desse câncer em todo o mundo evidenciam a importância do desenvolvimento e investigação de meios para a detecção e diagnóstico precoce dessa doença. Sistemas de Detecção e Diagnóstico auxiliados por computador (Computer Aided Detection/Diagnosis) vêm sendo usados e propostos como forma de auxílio aos profissionais de saúde. Este trabalho propõe uma metodologia para discriminação de padrões de malignidade e benignidade de massas em imagens de mamografia através da análise de características locais. Para tanto, a metodologia combina detectores e descritores de características locais com um modelo de representação de dados para a análise, tanto de textura quanto de geometria em regiões extraídas das mamografias. São utilizados os detectores SIFT, SURF e ORB, e descritores HOG, LBP, BRIEF e Haar Wavelet. Com as características geradas é aplicado o modelo Bag of Features em uma etapa de representação que objetiva prover nova representação dos dados e por conseguinte diminuir a dimensionalidade do espaço de características. Por fim, esta nova representação é classificada utilizando três abordagens: Máquina de Vetores de Suporte, Random Forests e Adaptive Boosting visando diferenciar as massas malignas e benignas. A metodologia contém resultados promissores para o diagnóstico de massas malignas e benignas fomentando que as características locais geradas pelos descritores e detectores produzem um conjunto descriminate satisfatório.

Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-08-17T17:25:58Z No. of bitstreams: 1 FernandoOliveira.pdf: 2347086 bytes, checksum: 0b2d54b7d13b7467bee9db13f63100f5 (MD5) / Made available in DSpace on 2017-08-17T17:25:58Z (GMT). No. of bitstreams: 1 FernandoOliveira.pdf: 2347086 bytes, checksum: 0b2d54b7d13b7467bee9db13f63100f5 (MD5) Previous issue date: 2013-02-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Breast cancer is the second most common type of cancer in the world and difficult to diagnose. Distinguished Systems Aided Detection and Diagnosis Computer have been used to assist experts in the health field with an indication of suspicious areas of difficult perception to the human eye, thus aiding in the detection and diagnosis of cancer. This dissertation proposes a methodology for discrimination and classification of regions extracted from the breast mass and non-mass. The Digital Database for Screening Mammography (DDSM) is used in this work for the acquisition of mammograms, which are extracted from the regions of mass and non-mass. The Taxonomic Diversity Index (∆) and the Taxonomic Distinctness (∆*) are used to describe the texture of the regions of interest, originally applied in ecology. The calculation of those indices is based on phylogenetic trees, which applied in this work to describe patterns in regions of the images of the breast with two regions bounding approaches to texture analysis: circle with rings and internal with external masks. Suggested in this work to be applied in the description of patterns of regions in breast imaging approaches circle with rings and masks as internal and external boundaries regions for texture analysis. Support Vector Machine (SVM) is used to classify the regions in mass or non-mass. The proposed methodology provides successful results for the classification of masses and non-mass, reaching an average accuracy of 99.67%. / O câncer de mama é o segundo tipo de câncer mais frequente no mundo e de difícil diagnóstico. Distintos Sistemas de Detecção e Diagnóstico Auxiliados por Computador (Computer Aided Detection/Diagnosis) têm sido utilizados para auxiliar especialistas da área da saúde com a indicação de áreas suspeitas de difícil percepção ao olho humano, assim ajudando na detecção e diagnóstico de câncer. Este trabalho propõe uma metodologia de discriminação e classificação de regiões extraídas da mama em massa e não-massa. O banco de imagens Digital Database for Screening Mammography (DDSM) é usado neste trabalho para aquisição das mamografias, onde são extraído as regiões de massa e não-massa. Na descrição da textura da região de interesse são utilizados os Índices de Diversidade Taxonômica (∆) e Distinção Taxonômica (∆*), provenientes da ecologia. O cálculo destes índices é baseado nas árvores filogenéticas, sendo aplicados neste trabalho na descrição de padrões em regiões das imagens da mama com duas abordagens de regiões delimitadoras para análise da textura: círculo com anéis e máscaras internas com externas. Para classificação das regiões em massa e não-massa é utilizado o classificador Máquina de Vetores de Suporte (MVS). A metodologia apresenta resultados promissores para a classificação de massas e não-massas, alcançando uma acurácia média de 99,67%.

Introdução: O câncer de mama é um problema de saúde publica, sendo a maior causa de morbidade e mortalidade de câncer em mulheres de todo mundo. O rastreamento mamográfico mostrou-se efetivo na redução na mortalidade por câncer de mama em países desenvolvidos, entretanto ainda não é consenso a idade de início do rastreamento mamográfico. Objetivo: Verificar o impacto do rastreamento mamográfico em mulheres entre 40-49 anos na região de Barretos. Casuística e métodos: Este é um estudo observacional transversal que incluíram mulheres assintomáticas com idade entre 40-69 anos que foram submetidas a rastreamento mamográfico entre os anos de 2003 a 2007. As mulheres com exames classificadas pelo sistema BI-RADS em zero, quatro ou cinco foram convocados para investigação. Foram descritas as freqüências absolutas e relativas das variáveis e suas diferenças analisadas pelo teste de qui-quadrado sendo escolhido o nível de significância p <0,05. Foi realizado análise de regressão logística para avaliar o risco de câncer de mama em relação à idade. Resultados: 27.133 mulheres com idades entre 40-69 foram selecionadas, 52% (14.082) das mamografias foram feitas em mulheres de 40 a 49 anos. Foram detectados 132 casos de câncer de mama em mulheres de 40 a 69 anos sendo 49 casos entre mulheres de 40 a 49. A estimativa de risco de câncer de mama entre mulheres de 40 e 49 anos (OR 0,43 [IC95% 0,28 - 0,66]) foi significativamente menor do que entre 60-69 anos. Dos casos de câncer de mama em mulheres de 40 a 49 anos 55% eram iniciais (Estádio Clínico 0-I) enquanto que no período anterior ao rastreamento eram 13%. Conclusões: O rastreamento mamográfico realizado na Região de Barretos mostrou menor risco de câncer de mama nas mulheres de 40 a 49 anos em relação às mulheres entre 60 e 69 anos. O estudo mostrou ainda que o rastreamento aumentou o número de casos iniciais (Estádio Clínico 0-I) entre as mulheres de 40 e 49 anos em relação ao período anterior ao rastreamento / Introduction: Breast cancer is a public health problem, being the major cause of morbidity and mortality of cancer in women worldwide. The mammographic screening was effective in reducing mortality from breast cancer in developed countries, but consensus is not yet the age of onset of mammographic screening. Objective: Investigate the impact of mammographic screening in women aged 40-49 years in Barretos region. Methods: This is a cross sectional observational study that included asymptomatic women aged 40-69 years who underwent screening mammography between the years 2003 to 2007. Women with tests classified by the BI-RADS at zero, four or five were summoned for investigation. We described the absolute and relative frequencies of the variables and their differences were analyzed by chi-square was chosen significance level p <0.05. Was performed logistic regression analysis to assess the risk of breast cancer in relation to age. Results: 27,133 women aged 40-69 were selected, 52% (14 082) of mammograms were performed in women 40 to 49 years. We detected 132 cases of breast cancer in women aged 40 to 69 years with 49 cases among women 40 to 49. The estimated risk of breast cancer among women between 40 and 49 years (OR 0.43 [95% CI 0.28 to 0.66]) was significantly lower than 60-69 years. Cases of breast cancer in women aged 40 to 49 years 55% were early (clinical stage 0-I) while in the period prior to screening was 13%. Conclusions: The screening mammography performed in the region Barrie showed a lower risk of breast cancer in women aged 40 to 49 years for women between 60 and 69 years. The study also showed that screening increased the number of initial cases (clinical stage 0-I) among women aged 40 to 49 years in the period prior to screening