A tomossíntese digital mamária (Digital Breast Tomosynthesis - DBT) é um exame radiográfico utilizado para o rastreamento do câncer de mama, que busca superar a limitação da sobreposição de tecidos existente na mamografia digital 2D. Nessa técnica são adquiridas projeções radiográficas em diferentes ângulos, que são processadas para a reconstrução do volume da mama. Um grande desafio é a elaboração dos algoritmos para a reconstrução tomográfica, visto que há um número limitado de projeções adquiridas com baixas doses de radiação, abrangendo uma estreita faixa de ângulo. Outro fator importante é o ruído presente nas imagens, que pode impactar o diagnóstico do câncer pelos radiologistas. Esse trabalho tem como objetivo apresentar uma ferramenta de reconstrução de imagens para DBT e fazer um estudo do comportamento do sinal e do ruído nas imagens reconstruídas. Os métodos analíticos de retroprojeção simples e filtrada, bem como os interativos de máxima verossimilhança e algébricos foram avaliados. A validação dos algoritmos de reconstrução foi feita por meio de métricas objetivas e as imagens reconstruídas foram comparadas com imagens obtidas a partir de um software de reconstrução para DBT desenvolvido pelo Food and Drug Administration (FDA). A partir das análises objetivas e visuais, demonstrou-se o potencial da ferramenta desenvolvida nesse trabalho. O ruído pós-reconstrução foi investigado através da aquisição de imagens de phantoms homogêneos, utilizando dois sistemas comerciais de DBT. As curvas de valor médio de pixel, a variância do ruído e a relação sinal-ruído seguiram o mesmo padrão já demonstrado para as projeções. A análise do espectro de potência do ruído demonstrou que o processo de reconstrução correlaciona o ruído para ambos os equipamentos. / Digital Breast Tomosynthesis (DBT) is a radiographic examination used for breast cancer screening, which seeks to overcome the tissue superposition in 2D digital mammography. In this technique, radiographic projections are acquired at different angles, which are processed for the reconstruction of the breast volume. A major challenge is the elaboration of algorithms for tomographic reconstruction since there are a limited number of projections acquired with low doses of radiation, covering a narrow-angle range. Another important factor is the noise present in this modality that can impact the diagnosis of tumors by radiologists. This work aims to present an image reconstruction toolbox for DBT and study the signal and noise behavior in the reconstructed slices. The analytical methods of simple and filtered back-projection, as well as the maximum likelihood and algebraic iterative methods were evaluated. The validation of the reconstruction algorithms was done by objective metrics and the reconstructed images were compared with the images obtained from a reconstruction software for DBT developed by the Food and Drug Administration (FDA). Through the objective and visual analysis, the potential of the toolbox developed in this work was demonstrated. The noise after reconstruction was investigated by means of the acquisition of homogeneous phantom images, using two commercial DBT systems. The mean pixel value, the noise variance and the signal-to-noise ratio follow the same curve shape already shown for the projection domain. The analysis of noise power spectrum demonstrated that the process of reconstruction correlates the noise for both systems used.

O câncer de mama é a doença que mais acomete as mulheres em todo o mundo, sendo o tratamento mais eficaz se for diagnosticada em estágio inicial. A partir de 2011, nos programas de rastreamento de países desenvolvidos, vem sendo empregada uma nova modalidade de exame, a tomossíntese digital mamária (Digital Breast Tomosynthesis - DBT), que possui diversas vantagens se comparada à mamografia digital. No exame, o médico radiologista busca por sinais suspeitos na imagem, como: nódulos, microcalcificações e distorção arquitetural mamária (DAM). Sendo que, este último pode representar o estágio mais inicial de um câncer em formação, podendo se manifestar antes da formação de qualquer outra lesão. No entanto, a DAM é difícil de ser detectada pois modifica o tecido mamário de forma sutil, não havendo qualquer formação de massa ou a borda definida. Os sistemas computacionais de auxílio ao diagnóstico (Computer-Aided Detection - CAD) vêm apresentando alto desempenho na detecção de nódulos e microcalcificações mamárias, mas para o caso da DAM, o desempenho ainda é insatisfatório. Algumas limitações são normalmente reportadas nos algoritmos adotados para detectar automaticamente a DAM. O presente trabalho tem por objetivo propor novas abordagens para aumentar a precisão dos métodos computacionais de detecção: o uso de descritores de micro-padrões local para discriminação de áreas suspeitas; redução de falsos-positivos; uso do volume 3D fornecido pelo exame de DBT e; uso de arquitetura de aprendizagem profunda para discriminação e classificação de regiões suspeitas. Os diversos testes efetuados em cada proposta mostraram que é possível melhorar as taxas de detecção da DAM, mesmo para imagens de DBT onde ainda não há um esquema computacional de detecção bem estabelecido. / Breast cancer is the disease that most affects women worldwide and is the most effective treatment if it is diagnosed at early stages. Since 2011, in developed countries screening programs has been employed a new exam, the digital breast tomosynthesis (DBT), which has several advantages compared to the digital mammography. In the exam, the radiologist looks for suspicious signs in the image such as masses, microcalcifications and architectural distortion of breast (ADB). Since the later may represent the earliest sign of a cancer in formation, it may manifests before the formation of any other lesion. However, ADB is difficult to be detected due to its subtly changes the breast tissue, with no mass or defined shape. Computer-aided detection (CAD) systems have shown good results in the detection of masses and microcalcifications, however, for ADB the performance is still poor. Several weakness are reported in the pipeline adopted to automatic detection of ADB. The present work aims to propose new approaches to increase the accuracy of the current CAD pipeline: the use of local micro-pattern descriptors to discriminate suspicious areas; false-positives reduction; automatic detection of ADB in DBT images using and tridimensionality of the exam and; use of deep learning architecture to discriminate and classify suspicious regions. The several tests performed on each proposal showed that it is possible to improve the detection rates even for DBT images where there is no established CAD pipeline.

Esse trabalho apresenta uma nova metodologia para a correção do espectro de potência do ruído no processo de simulação de aquisições de imagens de tomossíntese digital mamária (Digital Breast Tomosynthesis - DBT) com doses reduzidas de radiação. A simulação é realizada por meio da inserção de ruído quântico dependente do sinal em imagens previamente adquiridas com a dose padrão de radiação. A DBT utiliza a mesma tecnologia de raios X que a mamografia digital, porém com a capacidade de prover ao médico exames do volume tridimensional da mama, minimizando o problema de superposição de tecidos. Apesar de ser o sucessor da mamografia, estudos têm mostrado que a otimização da relação entre a dose de radiação e a qualidade da imagem adquirida ainda não está bem estabelecida na DBT. Devido à impossibilidade de realizar diversas exposições de radiação a uma mesma paciente para os estudos de otimização da dose de radiação, é desejável que exista um método capaz de simular com exatidão diversas exposições tendo como base uma imagem clínica de referência. Embora existam diversos métodos para a simulação da redução de dose em exames mamográficos, o mesmo não pode ser dito quanto a imagens de DBT. O método desenvolvido para simulação da redução da dose de radiação em imagens de DBT se baseia em uma abordagem de inserção de ruído por meio de uma transformada de estabilização de variância, que já foi utilizada para simulação da redução de dose em exames de mamografia digital. Porém, esse trabalho propõe a inclusão da correção do espectro de potência do ruído para otimizar o desempenho do método de inserção de ruído para exames de DBT. Os resultados obtidos mostraram que, quando comparando a imagens de referência, a as imagens simuladas apresentaram erro menores que 1% para a análise do valor médio e desvio padrão e erro próximo de 5% para a análise do espectro de potência, apresentado resultados até 64% melhores que métodos não otimizados para DBT. / This work presents a new methodology for noise power spectrum correction in the simulation of digital breast tomosynthesis (DBT) images with reduced dose of radiation. The simulation is performed by inserting a signal-dependent quantum noise into previously acquired images with the standard dose of radiation. Using the same X-ray technology as a standard mammography, the DBT is capable of reconstructing the inner tissues of the patients\' breasts as a three-dimensional volume, providing more resources for cancer detection than its bi-dimensional counterpart and minimizing tissue overlapping. Despite being the successor to mammography, studies have shown that the optimization of the relationship between radiation dose and image quality is not well established in DBT yet. Due to the impossibility of exposing the same patient to multiple exams with different doses each, a simulation method able to mimic clinical images with high reliability is desirable. Despite the number of methods proposed for dose reduction simulation in mammography, scarcely any may be used in DBT. The method developed for simulation of radiation dose reduction in DBT images is based on a noise insertion approach using a variance-stabilizing transformation, which has already been used to simulate dose reduction in digital mammography exams. However, this work proposes the inclusion of the noise power spectrum correction to optimize the performance of the noise insertion method for DBT exams. The results showed that, when compared with reference images, the simulated images achieved less than 1% error for mean and standard deviation values and close to 5% error for power spectrum analysis, improving in up to 64% when compared with non-optimized for DBT simulation methods.

Esse trabalho apresenta uma nova metodologia para a correção do espectro de potência do ruído no processo de simulação de aquisições de imagens de tomossíntese digital mamária (Digital Breast Tomosynthesis - DBT) com doses reduzidas de radiação. A simulação é realizada por meio da inserção de ruído quântico dependente do sinal em imagens previamente adquiridas com a dose padrão de radiação. A DBT utiliza a mesma tecnologia de raios X que a mamografia digital, porém com a capacidade de prover ao médico exames do volume tridimensional da mama, minimizando o problema de superposição de tecidos. Apesar de ser o sucessor da mamografia, estudos têm mostrado que a otimização da relação entre a dose de radiação e a qualidade da imagem adquirida ainda não está bem estabelecida na DBT. Devido à impossibilidade de realizar diversas exposições de radiação a uma mesma paciente para os estudos de otimização da dose de radiação, é desejável que exista um método capaz de simular com exatidão diversas exposições tendo como base uma imagem clínica de referência. Embora existam diversos métodos para a simulação da redução de dose em exames mamográficos, o mesmo não pode ser dito quanto a imagens de DBT. O método desenvolvido para simulação da redução da dose de radiação em imagens de DBT se baseia em uma abordagem de inserção de ruído por meio de uma transformada de estabilização de variância, que já foi utilizada para simulação da redução de dose em exames de mamografia digital. Porém, esse trabalho propõe a inclusão da correção do espectro de potência do ruído para otimizar o desempenho do método de inserção de ruído para exames de DBT. Os resultados obtidos mostraram que, quando comparando a imagens de referência, a as imagens simuladas apresentaram erro menores que 1% para a análise do valor médio e desvio padrão e erro próximo de 5% para a análise do espectro de potência, apresentado resultados até 64% melhores que métodos não otimizados para DBT. / This work presents a new methodology for noise power spectrum correction in the simulation of digital breast tomosynthesis (DBT) images with reduced dose of radiation. The simulation is performed by inserting a signal-dependent quantum noise into previously acquired images with the standard dose of radiation. Using the same X-ray technology as a standard mammography, the DBT is capable of reconstructing the inner tissues of the patients\' breasts as a three-dimensional volume, providing more resources for cancer detection than its bi-dimensional counterpart and minimizing tissue overlapping. Despite being the successor to mammography, studies have shown that the optimization of the relationship between radiation dose and image quality is not well established in DBT yet. Due to the impossibility of exposing the same patient to multiple exams with different doses each, a simulation method able to mimic clinical images with high reliability is desirable. Despite the number of methods proposed for dose reduction simulation in mammography, scarcely any may be used in DBT. The method developed for simulation of radiation dose reduction in DBT images is based on a noise insertion approach using a variance-stabilizing transformation, which has already been used to simulate dose reduction in digital mammography exams. However, this work proposes the inclusion of the noise power spectrum correction to optimize the performance of the noise insertion method for DBT exams. The results showed that, when compared with reference images, the simulated images achieved less than 1% error for mean and standard deviation values and close to 5% error for power spectrum analysis, improving in up to 64% when compared with non-optimized for DBT simulation methods.