Visando a um melhor desempenho na avaliação de imagens mamográficas, diversos trabalhos utilizando técnicas de processamento de imagem vêm sendo desenvolvidos como parte de esquemas computacionais que auxiliam o diagnóstico, denominados de esquemas CAD. Entretanto, um dos maiores desafios no desenvolvimento destes sistemas está relacionado com a avaliação de seu desempenho, que pode apresentar inconsistências, como impossibilidade de comparação dos resultados devido à dificuldade de se obter bancos de imagens amplos, comuns e confiáveis, que apresentem características de aquisição variadas atendendo aos requisitos específicos da técnica. Este trabalho tem por objetivo auxiliar nesse campo, apresentando um protótipo de simulador radiográfico de mama que possibilite gerar imagens que se assemelhem às de uma mamografia real através ainda de uma distribuição aleatória das estruturas de interesse simuladas. Isso permite a aquisição de um grande conjunto de imagens, por diferentes formas e condições, tornando possível testar e avaliar com maior precisão o desempenho de esquemas CAD destinados à mamografia. Tem a virtude de dispensar a validação dos resultados apontados pelo esquema com base no laudo do especialista, visto que é possível saber previamente quais são e quantas são as estruturas presentes em cada imagem, bem como a localização exata de cada uma delas. Portanto, torna-se possível assegurar com confiança a eficácia e viabilidade do esquema CAD testado, tanto em relação ao resultado apresentado pelo sistema quanto em relação à minimização de erros sistemáticos, dada a aleatoriedade da distribuição das estruturas-alvo da avaliação, como ocorre no exame real. / In order to obtain a better performance in the evaluation of mammographic images, several studies using image processing techniques have been developed as part of computer aided diagnosis, known as CAD systems. However, one of the main challenges in the development of such schemes is the performance evaluation, which may present problems, as such as difficulty in comparing results due to the inability to obtain large and common databases with wide-ranging characteristics of image acquisition. This work has the purpose of helping in this field, by presenting a breast phantom to allow obtaining images closer to those from actual mammography due to a random distribution of simulated interest structures. This provides to get a large images set, obtained from different conditions, and it allows to evaluate more accurately the performance of mammography CAD schemes. The use of this phantom has also the advantage of validating the scheme results without using the radiological report, since it provides the exact knowledge of the number and characteristics of the structures present in the image, as well as their positioning. Therefore, the efficacy and feasibility of a CAD scheme under test can be assured, regarding the results and also by the minimization of systematic errors due to the random distribution of the structures of clinical interest, similarly to the actual exam.

Visando a um melhor desempenho na avaliação de imagens mamográficas, diversos trabalhos utilizando técnicas de processamento de imagem vêm sendo desenvolvidos como parte de esquemas computacionais que auxiliam o diagnóstico, denominados de esquemas CAD. Entretanto, um dos maiores desafios no desenvolvimento destes sistemas está relacionado com a avaliação de seu desempenho, que pode apresentar inconsistências, como impossibilidade de comparação dos resultados devido à dificuldade de se obter bancos de imagens amplos, comuns e confiáveis, que apresentem características de aquisição variadas atendendo aos requisitos específicos da técnica. Este trabalho tem por objetivo auxiliar nesse campo, apresentando um protótipo de simulador radiográfico de mama que possibilite gerar imagens que se assemelhem às de uma mamografia real através ainda de uma distribuição aleatória das estruturas de interesse simuladas. Isso permite a aquisição de um grande conjunto de imagens, por diferentes formas e condições, tornando possível testar e avaliar com maior precisão o desempenho de esquemas CAD destinados à mamografia. Tem a virtude de dispensar a validação dos resultados apontados pelo esquema com base no laudo do especialista, visto que é possível saber previamente quais são e quantas são as estruturas presentes em cada imagem, bem como a localização exata de cada uma delas. Portanto, torna-se possível assegurar com confiança a eficácia e viabilidade do esquema CAD testado, tanto em relação ao resultado apresentado pelo sistema quanto em relação à minimização de erros sistemáticos, dada a aleatoriedade da distribuição das estruturas-alvo da avaliação, como ocorre no exame real. / In order to obtain a better performance in the evaluation of mammographic images, several studies using image processing techniques have been developed as part of computer aided diagnosis, known as CAD systems. However, one of the main challenges in the development of such schemes is the performance evaluation, which may present problems, as such as difficulty in comparing results due to the inability to obtain large and common databases with wide-ranging characteristics of image acquisition. This work has the purpose of helping in this field, by presenting a breast phantom to allow obtaining images closer to those from actual mammography due to a random distribution of simulated interest structures. This provides to get a large images set, obtained from different conditions, and it allows to evaluate more accurately the performance of mammography CAD schemes. The use of this phantom has also the advantage of validating the scheme results without using the radiological report, since it provides the exact knowledge of the number and characteristics of the structures present in the image, as well as their positioning. Therefore, the efficacy and feasibility of a CAD scheme under test can be assured, regarding the results and also by the minimization of systematic errors due to the random distribution of the structures of clinical interest, similarly to the actual exam.

Este trabalho consiste na implementação de um esquema computacional que possibilita a um usuário enviar mamografias digitalizadas/digitais via-internet para processá-las. O site, responsável pela interatividade usuário/sistema, foi desenvolvido em HTML e PHP com acesso a um banco de dados implementado em MySQL. As rotinas referentes ao pré-processamento, segmentação, classificação e geração da imagem resultante foram desenvolvidas em Delphi e são executadas de forma paralela no servidor. O sistema fornece as regiões suspeitas e com possíveis lesões detectadas na mamografia. Além da imagem com o destaque dos agrupamentos de microcalcificações detectadas, sua classificação como suspeito ou não-suspeito também são fornecidas. Para massas suspeitas detectadas, é apresentado o seu grau de densidade e as probabilidades percentuais do tipo de contorno e da classificação BIRADS. Além das mamografias, o usuário pode enviar ainda regiões de interesse (RIs). Os testes mostraram que, para o processo de detecção de microcalcificações para imagens digitalizadas, o percentual de acertos obtidos foi de 93%, enquanto para a detecção de nódulos foi de 92%. Para imagens digitais, o percentual de acertos obtidos foi de 90%, enquanto para a detecção de nódulos foi de 89%. Adicionalmente, foi verificado que o tempo médio de processamento variou entre 10 s para uma única RI e 1,5 min. para o pior caso - quatro mamografias completas. Com os testes realizados para verificar a eficácia do sistema, a usabilidade foi qualificada como fácil por mais de 70% dos 25 voluntários que o avaliaram e seu funcionamento classificado como ótimo e bom por 40% e 56% dos usuários respectivamente. Atualmente, há esquemas CAD disponíveis comercialmente, porém apresentam um alto valor para sua aquisição e uma resposta final restrita apenas à detecção de estruturas suspeitas (microcalcificações e massas nodulares), sem apresentação de dados que possam enriquecer o conjunto de informações necessárias ao radiologista para ajudá-lo no laudo. Esta pesquisa foi desenvolvida para proporcionar estas informações adicionais através da internet. Apesar dos problemas encontrados para a transmissão de imagens via-internet, os resultados apresentados através dos testes realizados pelos voluntários indicaram que o sistema possui um bom desempenho. Este sistema pode ser acessado diretamente no endereço http://143.107.235.167/CAD_Online/paginas/index.html ou através da homepage do LAPIMO (Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas), do Departamento de Engenharia Elétrica da EESC/USP. / This work consists of the development of a computer scheme to provide the processing of digital mammographic images sent by an internet user. The site, responsible for the interaction user/system, was developed in HTML and PHP with access to a data base implemented in MySQL. The routines of pre-processing, segmentation, classification and generation of the resultant image were developed in Delphi and are executed parallel in the server. The current system results provide indications on the suspicious mammogram regions with the detected lesions. Besides the image with convenient marks on detected clustered microcalcifications, their classification in terms of suspect or non-suspect is also provided. The density level, as well as the percentage probabilities regarding the BIRADS classification and the mass margin shapes are presented for suspicious masses detected by the scheme. In addition to the whole mammogram, the user can upload regions of interest (ROIs). Tests have shown that the correct rate of digitized mammograms was about 93% for microcalcification detection, while for mass detection, the correct rate was 92%. For direct digital mammograms, the correct rate was 93% for microcalcification detection, while for mass detection, it was 89%. In addiction, it was verified that the processing time average varied between 10 seconds (the best image case - one ROI) and 1,5 minutes for the worst image case (four complete mammograms), which this time can be considered acceptable. According to the tests performed with the purpose of checking the system efficacy, the tools manipulation was qualified as easy by more than 70% of the 25 volunteers whom have tested the system and its working classified as great and good by 40% and 56% of the users respectively. Currently, there are CAD schemes available on the market, however, they present a high acquisition cost and a final answer restricted just to the detection of suspect lesions, without providing additional data that can enhance the information the radiologists have, therefore helping them on their report. This research was carried out in order to provide this additional data by the internet. Even though some problems occurred with the transmission of images by the internet, the results presented by the tests performed by volunteers showed that the system has a good performance. This computational scheme can be accessed directly at http://143.107.235.167/CAD_Online/paginas/index.html or by the homepage of LAPIMO, the Laboratory for Medical and Odontological Images Analysis and Processing, at the Department of Electrical Engineering - EESC/USP.

Neste trabalho, propõe-se a utilização da técnica Enhanced ICA Misture Model (EICAMM) para a segmentação automática de nódulos mamários em imagens mamográficas digitais. Com o objetivo de compará-la com outros métodos de segmentação encontrados na literatura correlata, como as técnicas Watershed, Self-Organizing Map (SOM), K-Means e Fuzzy C-Means, utiliza-se a métrica Area Overlap Measure (AOM) ou medida de similaridade de Jaccard, para medir a semelhança entre o resultado obtido na segmentação e o recorte efetuado por um especialista (ground truth). Os resultados obtidos mostram um bom desempenho do modelo EICAMM, que foi a única técnica capaz de detectar massas em regiões de interesse de mama densa. Resultados mais precisos produzidos por tal modelo foram aplicados na elaboração de um módulo classificador de nódulos para um esquema CADx (de Computer-aided Diagnosis) em mamografia digital. O módulo utiliza técnicas de extração e seleção de características e técnicas inteligentes, como Redes Neurais Artificiais, para indicar a existência ou não de nódulos em regiões de interesse, bem como avalia seu contorno/margem, forma e densidade, a fim de indicar a pertinência do achado a um caso maligno ou benigno. Para isso, utiliza-se uma base de regras, criada com o auxílio de um especialista e da combinação de diferentes classificações, conhecida como ensemble, para gerar uma única saída. Testes utilizando várias regiões de interesse selecionadas de duas bases de imagens mamográficas disponíveis resultaram numa precisão média de 46,71% na segmentação dos nódulos pela EICAMM (20,72% melhor que a média das demais técnicas comparadas) e um nível de acerto médio de 80,5% na classificação dos nódulos, o que permite considerar o módulo desenvolvido como uma útil ferramenta para auxílio ao diagnóstico desse tipo de estrutura em esquemas CADx. / This work describes the use of a technique called Enhanced ICA Misture Model (EICAMM) for automated segmentation of breast nodules in digital mammography images. Aiming to compare it with other segmentation methods, like Watershed transformation, Self-organizing Map (SOM), K-Means and Fuzzy C-Means, metrics such as Area Overlap Map (AOM) or Jaccard similarity measure are used in order to measure the similarity between the result from the segmentation and the profile determined by a spectialist (ground truth). Results show a good performance for the EICAMM method, the unique able to detect masses in regions of interest from dense breasts. More accurate results from such a model were applied to the development of a nodules classifier module for a CADx scheme in digital mammography. This module uses techniques for features extraction and selection, and intelligent techniques, as artificial neural networks, to determine the existence or not of a nodule, as well as to evaluate its contour/border, shape and radiographic density, in order to point out its pertinency to a malignant or benign case. With this purpose, a rules database known as ensemble, created with help of a specialist and different classifications combination, is used in order to produce only one output. Tests with several regions of interest selected from two available mammographic images databases have resulted in an average accuracy of 46.71% for nodules segmentation by EICAMM (20.72% better than the average of the other compared techniques), as well as an average accuracy of 80.5% in nodules classification, which allows to consider the developed module as an useful tool in aiding the diagnosis of such a structure in CADx schemes.

Neste trabalho, propõe-se a utilização da técnica Enhanced ICA Misture Model (EICAMM) para a segmentação automática de nódulos mamários em imagens mamográficas digitais. Com o objetivo de compará-la com outros métodos de segmentação encontrados na literatura correlata, como as técnicas Watershed, Self-Organizing Map (SOM), K-Means e Fuzzy C-Means, utiliza-se a métrica Area Overlap Measure (AOM) ou medida de similaridade de Jaccard, para medir a semelhança entre o resultado obtido na segmentação e o recorte efetuado por um especialista (ground truth). Os resultados obtidos mostram um bom desempenho do modelo EICAMM, que foi a única técnica capaz de detectar massas em regiões de interesse de mama densa. Resultados mais precisos produzidos por tal modelo foram aplicados na elaboração de um módulo classificador de nódulos para um esquema CADx (de Computer-aided Diagnosis) em mamografia digital. O módulo utiliza técnicas de extração e seleção de características e técnicas inteligentes, como Redes Neurais Artificiais, para indicar a existência ou não de nódulos em regiões de interesse, bem como avalia seu contorno/margem, forma e densidade, a fim de indicar a pertinência do achado a um caso maligno ou benigno. Para isso, utiliza-se uma base de regras, criada com o auxílio de um especialista e da combinação de diferentes classificações, conhecida como ensemble, para gerar uma única saída. Testes utilizando várias regiões de interesse selecionadas de duas bases de imagens mamográficas disponíveis resultaram numa precisão média de 46,71% na segmentação dos nódulos pela EICAMM (20,72% melhor que a média das demais técnicas comparadas) e um nível de acerto médio de 80,5% na classificação dos nódulos, o que permite considerar o módulo desenvolvido como uma útil ferramenta para auxílio ao diagnóstico desse tipo de estrutura em esquemas CADx. / This work describes the use of a technique called Enhanced ICA Misture Model (EICAMM) for automated segmentation of breast nodules in digital mammography images. Aiming to compare it with other segmentation methods, like Watershed transformation, Self-organizing Map (SOM), K-Means and Fuzzy C-Means, metrics such as Area Overlap Map (AOM) or Jaccard similarity measure are used in order to measure the similarity between the result from the segmentation and the profile determined by a spectialist (ground truth). Results show a good performance for the EICAMM method, the unique able to detect masses in regions of interest from dense breasts. More accurate results from such a model were applied to the development of a nodules classifier module for a CADx scheme in digital mammography. This module uses techniques for features extraction and selection, and intelligent techniques, as artificial neural networks, to determine the existence or not of a nodule, as well as to evaluate its contour/border, shape and radiographic density, in order to point out its pertinency to a malignant or benign case. With this purpose, a rules database known as ensemble, created with help of a specialist and different classifications combination, is used in order to produce only one output. Tests with several regions of interest selected from two available mammographic images databases have resulted in an average accuracy of 46.71% for nodules segmentation by EICAMM (20.72% better than the average of the other compared techniques), as well as an average accuracy of 80.5% in nodules classification, which allows to consider the developed module as an useful tool in aiding the diagnosis of such a structure in CADx schemes.

Este trabalho consiste na implementação de um esquema computacional que possibilita a um usuário enviar mamografias digitalizadas/digitais via-internet para processá-las. O site, responsável pela interatividade usuário/sistema, foi desenvolvido em HTML e PHP com acesso a um banco de dados implementado em MySQL. As rotinas referentes ao pré-processamento, segmentação, classificação e geração da imagem resultante foram desenvolvidas em Delphi e são executadas de forma paralela no servidor. O sistema fornece as regiões suspeitas e com possíveis lesões detectadas na mamografia. Além da imagem com o destaque dos agrupamentos de microcalcificações detectadas, sua classificação como suspeito ou não-suspeito também são fornecidas. Para massas suspeitas detectadas, é apresentado o seu grau de densidade e as probabilidades percentuais do tipo de contorno e da classificação BIRADS. Além das mamografias, o usuário pode enviar ainda regiões de interesse (RIs). Os testes mostraram que, para o processo de detecção de microcalcificações para imagens digitalizadas, o percentual de acertos obtidos foi de 93%, enquanto para a detecção de nódulos foi de 92%. Para imagens digitais, o percentual de acertos obtidos foi de 90%, enquanto para a detecção de nódulos foi de 89%. Adicionalmente, foi verificado que o tempo médio de processamento variou entre 10 s para uma única RI e 1,5 min. para o pior caso - quatro mamografias completas. Com os testes realizados para verificar a eficácia do sistema, a usabilidade foi qualificada como fácil por mais de 70% dos 25 voluntários que o avaliaram e seu funcionamento classificado como ótimo e bom por 40% e 56% dos usuários respectivamente. Atualmente, há esquemas CAD disponíveis comercialmente, porém apresentam um alto valor para sua aquisição e uma resposta final restrita apenas à detecção de estruturas suspeitas (microcalcificações e massas nodulares), sem apresentação de dados que possam enriquecer o conjunto de informações necessárias ao radiologista para ajudá-lo no laudo. Esta pesquisa foi desenvolvida para proporcionar estas informações adicionais através da internet. Apesar dos problemas encontrados para a transmissão de imagens via-internet, os resultados apresentados através dos testes realizados pelos voluntários indicaram que o sistema possui um bom desempenho. Este sistema pode ser acessado diretamente no endereço http://143.107.235.167/CAD_Online/paginas/index.html ou através da homepage do LAPIMO (Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas), do Departamento de Engenharia Elétrica da EESC/USP. / This work consists of the development of a computer scheme to provide the processing of digital mammographic images sent by an internet user. The site, responsible for the interaction user/system, was developed in HTML and PHP with access to a data base implemented in MySQL. The routines of pre-processing, segmentation, classification and generation of the resultant image were developed in Delphi and are executed parallel in the server. The current system results provide indications on the suspicious mammogram regions with the detected lesions. Besides the image with convenient marks on detected clustered microcalcifications, their classification in terms of suspect or non-suspect is also provided. The density level, as well as the percentage probabilities regarding the BIRADS classification and the mass margin shapes are presented for suspicious masses detected by the scheme. In addition to the whole mammogram, the user can upload regions of interest (ROIs). Tests have shown that the correct rate of digitized mammograms was about 93% for microcalcification detection, while for mass detection, the correct rate was 92%. For direct digital mammograms, the correct rate was 93% for microcalcification detection, while for mass detection, it was 89%. In addiction, it was verified that the processing time average varied between 10 seconds (the best image case - one ROI) and 1,5 minutes for the worst image case (four complete mammograms), which this time can be considered acceptable. According to the tests performed with the purpose of checking the system efficacy, the tools manipulation was qualified as easy by more than 70% of the 25 volunteers whom have tested the system and its working classified as great and good by 40% and 56% of the users respectively. Currently, there are CAD schemes available on the market, however, they present a high acquisition cost and a final answer restricted just to the detection of suspect lesions, without providing additional data that can enhance the information the radiologists have, therefore helping them on their report. This research was carried out in order to provide this additional data by the internet. Even though some problems occurred with the transmission of images by the internet, the results presented by the tests performed by volunteers showed that the system has a good performance. This computational scheme can be accessed directly at http://143.107.235.167/CAD_Online/paginas/index.html or by the homepage of LAPIMO, the Laboratory for Medical and Odontological Images Analysis and Processing, at the Department of Electrical Engineering - EESC/USP.