Dissertação (mestrado)—Universidade de Brasília, Faculdade UnB Gama, Programa de Pós-Graduação em Engenharia Biomédica, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-11-16T16:57:50Z No. of bitstreams: 1 2017_FernandaCardosoLemos.pdf: 3984347 bytes, checksum: 7468cb916dc16e5ff95b4389d6bd98ba (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-12-01T21:45:25Z (GMT) No. of bitstreams: 1 2017_FernandaCardosoLemos.pdf: 3984347 bytes, checksum: 7468cb916dc16e5ff95b4389d6bd98ba (MD5) / Made available in DSpace on 2017-12-01T21:45:25Z (GMT). No. of bitstreams: 1 2017_FernandaCardosoLemos.pdf: 3984347 bytes, checksum: 7468cb916dc16e5ff95b4389d6bd98ba (MD5) Previous issue date: 2017-12-01 / O avanço tecnológico tem propiciado novas técnicas de avaliação da neoplasia mamária com ações preventivas, sendo assim, a Tomossíntese Mamária Digital (TMD) representa um novo procedimento de diagnóstico para o rastreamento do câncer de mama, especialmente no estágio inicial da doença. Dessa maneira, são imprescindíveis novos estudos científicos mais específicos e abrangentes em torno desta nova técnica. Esta pesquisa foi desenvolvida por meio de uma Revisão Sistemática (RS), onde realizou a análise crítica da literatura a fim de indicar a efetividade e a aplicabilidade do método de TMD para o rastreamento da neoplasia mamária em relação à Mamografia Digital (MD). Os resultados encontrados foram analisados e baseados em sete artigos científicos com alto fator de impacto. Estes artigos foram analisados seguindo os critérios da escala PEDro, e a qualidade da pesquisa foi validada de acordo com a escala AMSTAR. A RS foi realizada de forma randomizada e retrospectiva, em que o primeiro grupo foi composto por três artigos que considerou a TMD mais eficiente na precisão do diagnóstico que a MD, ou seja, 43%.O segundo grupo, composto também por três artigos, apresentou a precisão e a acurácia da TMD superior em relação a MD, ou seja, 43%.O terceiro grupo não obteve resultado estatístico necessário para se chegar a um valor de precisão, tornando seus dados inconclusivos com 14% do índice estatístico.Assim, pode observar que grande parte da coleta dos dados por meio da RS demonstrou que a eficiência da aplicação da TMD,concomitante ou não à MD, apresentou resultados positivos para os achados mamários, enquanto uma pequena parcela não obteve dados necessários, devido alguns percalços que dificultaram a análise de informações. / Technological advances have provided new techniques for the evaluation of breast cancer with preventive actions, in which Digital Breast Tomosynthesis (DBT) represents a new diagnostic procedure for screening, especially, at the initial stage. In this way, more specific and comprehensive scientific studies are needed around this new technique. This research was developed through a Systematic Review (SR) in which a critical analysis of the literature was performed in order to indicate the effectiveness and applicability of the DBT method for the screening of breast cancer in relation to Digital Mammography (DM). The results were analysed based on seven scientific articles with high impact factor. These articles were analysed according to the criteria of the PEDro scale and the research quality was validated according to the AMSTAR scale. The SR was performed randomly and retrospectively, in which the first group consisted of three articles that considered the DBT more efficient in the diagnostic accuracy than the DM that was 43%. The second group, also composed by three articles, presented the precision and accuracy of the DBT higher in relation to DM that was 43%. The third group did not obtain statistical results needed to achieve a desirable precision value, in which its data was inconclusive with 14% of the statistical index. Thus, it can be observed that a large part of the data collection through SR has shown that the application of DBT, concomitant or not to DM, presented positive results for the breast findings, whereas a small portion did not obtain necessary data due to some mishaps that hampered the information analysis.

Orientador: Denis Henrique Pinheiro Salvadeo / Resumo: Tomossíntese Mamária Digital (DBT) é uma técnica de imageamento radiográfico, com aquisição de projeções em ângulos limitados utilizando dose reduzida de radiação. Ela tem por objetivo reconstruir fatias tomográficas do interior da mama, possibilitando o diagnóstico precoce de possíveis lesões e aumentando, consequentemente, a probabilidade de cura do paciente. Contudo, devido ao fato de que DBT utiliza doses baixas de radiação, a imagem gerada contém mais ruído que a mamografia digital. Embora a qualidade do exame esteja diretamente relacionada com a dose utilizada, espera-se que a dose de radiação empregada no exame seja a mais baixa possível, mas ainda com qualidade suficiente para que o diagnóstico possa ser realizado, conforme o princípio As Low As Reasonably Achievable (ALARA). Uma das etapas importantes para se buscar o princípio ALARA é a reconstrução tomográfica, que consiste em um software que gera as fatias do interior da mama a partir de um conjunto de projeções 2D de DBT adquiridas. Por outro lado, técnicas de Aprendizado de Máquina, especialmente redes neurais com aprendizado profundo, que recentemente tem evoluído consideravelmente o estado da arte em diversos problemas de Visão Computacional e Processamento de Imagens, tem características adequadas para serem aplicadas também na etapa de reconstrução. Deste modo, este trabalho investigou uma arquitetura básica de rede neural artificial com aprendizado profundo que seja capaz de reconstruir imagens de DBT, espe... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Digital Breast Tomosynthesis (DBT) is a technique of radiographic imaging, with acquisition of projections at limited angles using reduced dose of radiation. It aims to reconstruct tomographic slices inside the breast, making possible the early diagnosis of possible lesions and, consequently, increasing the probability of cure of the patient. However, due to the fact that DBT uses low doses of radiation, the generated image contains more noise than digital mammography. Although the quality of the exam is directly related to the dose applied, the radiation dose used in the examination is expected to be as low as possible, but still keeping enough quality for the diagnosis to be made, as determined by the As Low As Reasonably Achievable (ALARA) principle. One of the important steps to achieve the ALARA principle is the tomographic reconstruction, which consists of a software that generates slices inside the breast from an acquired set of 2D DBT projections. On the other hand, Machine Learning techniques, especially neural networks with deep learning, that have recently evolved considerably the state-of-the-art in several problems in Computer Vision and Image Processing areas, it has suitable characteristics to be applied also in the reconstruction step. Thus, this work investigated a basic architecture of artificial neural network with deep learning that is capable to reconstruct DBT images, especially focused on noise reduction. Furthermore, considering an additional filtering... (Complete abstract click electronic access below) / Mestre