Este trabalho apresenta um estudo sobre a utilização da Transformada de Wavelet para o realce de contraste de estruturas de interesse mamográfico (nódulos e microcalcificações), visando o desenvolvimento de um sistema computacional para auxílio ao diagnóstico do câncer de mama. Este sistema compõe-se basicamente de 3 etapas: pré-processamento, detecção e classificação, sendo que este trabalho insere-se na etapa de pré-processamento. Nessa etapa as estruturas de interesse foram realçadas de forma a propiciar um melhor desempenho nas etapas seguintes. No trabalho aqui descrito as estruturas de interesse contidas em mamogramas digitalizados foram realçadas pela Transformada de Wavelet através de dois métodos distintos: Ganho Adaptativo Multiescala e Reconstrução Parcial. Na técnica Ganho Adaptativo Multiescala a imagem é decomposta em sub-imagens pela Transformada de Wavelet. As sub-imagens decompostas são realçadas por uma função não linear e então a imagem realçada é obtida pela aplicação da Transformada Inversa de Wavelet. Na técnica Reconstrução Parcial, a imagem é decomposta em sub-imagens pela Transformada de Wavelet. São selecionadas as sub-imagens onde as estruturas de interesse são mais representativas e então a imagem realçada é obtida pela aplicação da Transformada Inversa de Wavelet à estas sub-imagens. A avaliação dos resultados é feita por um quantificador da melhoria de contraste das imagens e pela análise do histograma. / In the present work, we presents a study about using of Wavelet Transform in contrast enhancement of mammographic features(mass and microcalcifications), as part of developing a Computerized System proposed to aid in diagnosis of breast cancer. This system is composed of 3 main stages: early processing, detection and classification, and this work is into the early processing stage. In this stage structures of interest have been enhanced to improve performance at following stages. In this work, mammographic features have been enhanced by application of 2 distinct methods using Wavelet Transform: Multiscale Adaptive Gain and Partial Reconstruction. Multiscale Adaptive Gain decomposes the original image in subimages by application of Wavelet Transform. These subimages are enhanced throw the application of a non linear function and the enhanced image is obtained by application of Inverse Wavelet Transform. Partial Reconstruction decomposes the original image in subimages by application of Wavelet Transform. The subimages more representative for mammographic features are selected and the enhanced image is obtained by application of lnverse Wavelet Transform in these subimages. The final results obtained are evaluated by a Contrast Improvement Quantifier and histogram analysis.

Made available in DSpace on 2016-08-17T18:39:31Z (GMT). No. of bitstreams: 1 2587.pdf: 15699339 bytes, checksum: 794c69f89b80c603d2997058e50fae01 (MD5) Previous issue date: 2009-05-13 / Chromatic contrast is a technique used in some areas of medicine to provide better visualization of biological tissues. Based on principles of color composition, a new illumination system was constructed using colored emitting diodes to reproduce the spectral range of the visible light. This technique was devised to be used into indirect ophthalmoscopes to improve the visualization of the posterior segment of the eye. / O contraste cromático é uma técnica usada em algumas áreas da medicina com o objetivo de melhorar o realce de imagens biológicas, proporcionando uma melhor visualização das estruturas presentes no tecido vivo. Baseado em princípios de composição de cores, um novo sistema de iluminação foi construído usando-se LEDs (do inglês, Light Emitting Diodes) coloridos de alto brilho, cuja função é reproduzir os comprimentos de onda situados na região visível do espectro. Este recurso será adaptado a um equipamento denominado Oftalmoscópio Binocular Indireto, com o intuito de se estudar as reações dos tecidos biológicos que compõem o fundo do olho humano quando iluminados por cores diferentes.

Este trabalho apresenta um estudo sobre a utilização da Transformada de Wavelet para o realce de contraste de estruturas de interesse mamográfico (nódulos e microcalcificações), visando o desenvolvimento de um sistema computacional para auxílio ao diagnóstico do câncer de mama. Este sistema compõe-se basicamente de 3 etapas: pré-processamento, detecção e classificação, sendo que este trabalho insere-se na etapa de pré-processamento. Nessa etapa as estruturas de interesse foram realçadas de forma a propiciar um melhor desempenho nas etapas seguintes. No trabalho aqui descrito as estruturas de interesse contidas em mamogramas digitalizados foram realçadas pela Transformada de Wavelet através de dois métodos distintos: Ganho Adaptativo Multiescala e Reconstrução Parcial. Na técnica Ganho Adaptativo Multiescala a imagem é decomposta em sub-imagens pela Transformada de Wavelet. As sub-imagens decompostas são realçadas por uma função não linear e então a imagem realçada é obtida pela aplicação da Transformada Inversa de Wavelet. Na técnica Reconstrução Parcial, a imagem é decomposta em sub-imagens pela Transformada de Wavelet. São selecionadas as sub-imagens onde as estruturas de interesse são mais representativas e então a imagem realçada é obtida pela aplicação da Transformada Inversa de Wavelet à estas sub-imagens. A avaliação dos resultados é feita por um quantificador da melhoria de contraste das imagens e pela análise do histograma. / In the present work, we presents a study about using of Wavelet Transform in contrast enhancement of mammographic features(mass and microcalcifications), as part of developing a Computerized System proposed to aid in diagnosis of breast cancer. This system is composed of 3 main stages: early processing, detection and classification, and this work is into the early processing stage. In this stage structures of interest have been enhanced to improve performance at following stages. In this work, mammographic features have been enhanced by application of 2 distinct methods using Wavelet Transform: Multiscale Adaptive Gain and Partial Reconstruction. Multiscale Adaptive Gain decomposes the original image in subimages by application of Wavelet Transform. These subimages are enhanced throw the application of a non linear function and the enhanced image is obtained by application of Inverse Wavelet Transform. Partial Reconstruction decomposes the original image in subimages by application of Wavelet Transform. The subimages more representative for mammographic features are selected and the enhanced image is obtained by application of lnverse Wavelet Transform in these subimages. The final results obtained are evaluated by a Contrast Improvement Quantifier and histogram analysis.

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.