O presente trabalho tem por objetivo auxiliar na detecção de lesões suspeitas como microcalcificações, realçando-as do tecido glandular da mama. Este estudo foi feito por simulação de diversas técnicas de exposição em combinação com diversos filtros, afim de estabelecer um critério que relaciona a diferença de absorção, em níveis de cinza, entre a região saudável e a região lesada da mama. Diversas combinações de filtros e espectros com quilovoltagens entre 10 e 140 kV foram aplicados à simulação dos tecidos da mama e das microcalcificações verificando a nitidez das imagens simuladas. Para comprovar a validade das simulações foram feitas várias exposições em vários intervalos de energias para diversas kVp. / The goal of the present work is to aid the diagnosis of breast cancer by detection of suspicious lesions as microcalcification, enhancing them of the glandular tissues of the breast. This study was made by simulation of several exhibition techniques in combination with various filters, in order to establish an approach that relates the absorption difference, in gray levels, between the healthy region and the hurted region of breast. Several combinations of filters and spectra with kilovoltage between 10 and 140 kV were applied the simulation of the tissues of the breast and of the microcalcification verifying the clearness of the simulate images. Exhibitions in several intervals of energy for various kVp were made to check the validity of the simulations.

O presente trabalho tem por objetivo auxiliar na detecção de lesões suspeitas como microcalcificações, realçando-as do tecido glandular da mama. Este estudo foi feito por simulação de diversas técnicas de exposição em combinação com diversos filtros, afim de estabelecer um critério que relaciona a diferença de absorção, em níveis de cinza, entre a região saudável e a região lesada da mama. Diversas combinações de filtros e espectros com quilovoltagens entre 10 e 140 kV foram aplicados à simulação dos tecidos da mama e das microcalcificações verificando a nitidez das imagens simuladas. Para comprovar a validade das simulações foram feitas várias exposições em vários intervalos de energias para diversas kVp. / The goal of the present work is to aid the diagnosis of breast cancer by detection of suspicious lesions as microcalcification, enhancing them of the glandular tissues of the breast. This study was made by simulation of several exhibition techniques in combination with various filters, in order to establish an approach that relates the absorption difference, in gray levels, between the healthy region and the hurted region of breast. Several combinations of filters and spectra with kilovoltage between 10 and 140 kV were applied the simulation of the tissues of the breast and of the microcalcification verifying the clearness of the simulate images. Exhibitions in several intervals of energy for various kVp were made to check the validity of the simulations.

Tese de mestrado integrado. Engenharia Electrotécnica e de Computadores. Faculdade de Engenharia. Universidade do Porto. 2011

Neste trabalho é proposto um sistema computacional para auxílio ao diagnóstico de câncer de mama com microcalcificações associadas. O sistema é composto por 3 etapas principais: segmentação, extração de atributos e classificação. Na etapa de segmentação, a região suspeita do mamograma digitalizado (ROI - região de interesse) é processada para isolar as microcalcificações das estruturas normais da imagem. O resultado final é uma imagem binária contendo apenas as microcalcificações. Nesta etapa são utilizadas três técnicas combinadas: linearização do histograma da imagem (\"stretching\"), imagem-diferença e \"thresholding\" adaptativo. Na etapa de extração de atributos, são realizadas 34 medidas: 13 medidas de textura, calculadas da ROI da imagem não segmentada, 19 medidas de forma das microcalcificações, 1 medida de distribuição e 1 de quantidade das microcalcificações, calculadas da ROI da imagem segmentada. A partir dos métodos erro de Bayes e distância JM, são separados os 6 melhores atributos para compor o vetor de atributos utilizado na classificação. Na etapa de classificação, são avaliadas três diferentes classificadores: Regra de Bayes (método paramétrico), k-NN (método não-paramétrico) e Rede Neural Artificial - tipo MLP (Perceptron multi-camadas). Os classificadores são treinados e testados com diferentes grupos de amostras, utilizando a técnica \"leave-k-out\". Por fim, os resultados obtidos em cada etapa são apresentados e discutidos a partir de tabelas e curvas ROC. / In the present work, a computerized system has been proposed to aid in the diagnosis of breast cancer with associated microcalcifications. The system is composed of 3 main stages: segmentation, features extraction, and classification. In the segmentation stage, the suspected region in the digitized mammogram is processed to isolate the microcalcifications from the normal structures of the image. The final result is a binary image which has only microcalcifications. At this stage three combined techniques have been used: the stretching method, the image-difference and a thresholding adaptive method. At the feature extraction stage, 34 measurements were implemented: 13 of texture, calculated from the ROI of the original image, 19 of shape, 1 of distribution and 1 measure related of the number of the microcalcification. To compose the feature space, a subset of the six best features were evaluated using the Bayes error and Jeffreis-Matusita methods. In the classification stage, three classifiers were evaluated: the Bayes roles (parametric method), the k-Nearest Neighbour (non-parametric method), and a MLP (Multi-Iayer perceptron) Artifitial Neural Network. The classifiers were trained and tested with different sample groups using the leave-k-out method. The final results obtained at each stage are shown and discussed using the receiver operating characteristic (ROC) curves and tables.

Neste trabalho é proposto um sistema computacional para auxílio ao diagnóstico de câncer de mama com microcalcificações associadas. O sistema é composto por 3 etapas principais: segmentação, extração de atributos e classificação. Na etapa de segmentação, a região suspeita do mamograma digitalizado (ROI - região de interesse) é processada para isolar as microcalcificações das estruturas normais da imagem. O resultado final é uma imagem binária contendo apenas as microcalcificações. Nesta etapa são utilizadas três técnicas combinadas: linearização do histograma da imagem (\"stretching\"), imagem-diferença e \"thresholding\" adaptativo. Na etapa de extração de atributos, são realizadas 34 medidas: 13 medidas de textura, calculadas da ROI da imagem não segmentada, 19 medidas de forma das microcalcificações, 1 medida de distribuição e 1 de quantidade das microcalcificações, calculadas da ROI da imagem segmentada. A partir dos métodos erro de Bayes e distância JM, são separados os 6 melhores atributos para compor o vetor de atributos utilizado na classificação. Na etapa de classificação, são avaliadas três diferentes classificadores: Regra de Bayes (método paramétrico), k-NN (método não-paramétrico) e Rede Neural Artificial - tipo MLP (Perceptron multi-camadas). Os classificadores são treinados e testados com diferentes grupos de amostras, utilizando a técnica \"leave-k-out\". Por fim, os resultados obtidos em cada etapa são apresentados e discutidos a partir de tabelas e curvas ROC. / In the present work, a computerized system has been proposed to aid in the diagnosis of breast cancer with associated microcalcifications. The system is composed of 3 main stages: segmentation, features extraction, and classification. In the segmentation stage, the suspected region in the digitized mammogram is processed to isolate the microcalcifications from the normal structures of the image. The final result is a binary image which has only microcalcifications. At this stage three combined techniques have been used: the stretching method, the image-difference and a thresholding adaptive method. At the feature extraction stage, 34 measurements were implemented: 13 of texture, calculated from the ROI of the original image, 19 of shape, 1 of distribution and 1 measure related of the number of the microcalcification. To compose the feature space, a subset of the six best features were evaluated using the Bayes error and Jeffreis-Matusita methods. In the classification stage, three classifiers were evaluated: the Bayes roles (parametric method), the k-Nearest Neighbour (non-parametric method), and a MLP (Multi-Iayer perceptron) Artifitial Neural Network. The classifiers were trained and tested with different sample groups using the leave-k-out method. The final results obtained at each stage are shown and discussed using the receiver operating characteristic (ROC) curves and tables.

O objetivo principal deste projeto foi desenvolver um modelo para a detecção de clusters de microcalcificações para o processamento de imagens mamográficas inteiras. O modelo foi subdividido em três etapas sendo na primeira realizado um pré-processamento para a melhoria da qualidade das imagens mamográficas no que se refere à remoção de ruídos e alargamento de contraste. Na segunda etapa do processamento, um conjunto de algoritmos foi aplicado visando-se a detecção propriamente dita de regiões de interesse nas imagens as quais possivelmente representariam os agrupamentos de microcalcificações. A terceira etapa destinou-se à classificação das regiões pré-selecionadas na etapa anterior para a determinação final dos achados verdadeiro-positivos (VP), buscando-se, assim, a diminuição da taxa de achados falso-positivos (FP). Em cada etapa do desenvolvimento do modelo, testes computacionais foram realizados a fim de auxiliarem na análise de resultados preliminares. Por fim, vários testes computacionais foram realizados em três conjuntos de imagens com composições distintas sendo o primeiro formado por regiões de interesse (RI) de phantoms, o segundo por RI de mamografias e o terceiro por imagens mamográficas inteiras. Propõe-se a integração das técnicas propostas ao sistema CAD em desenvolvimento pelo grupo de pesquisa do LAPIMO (Laboratório de Análise e Processamento de Imagens Médicas e Oftalmológicas) da Escola de Engenharia de São Carlos do presente instituto. / The main purpose of this project was to develop a new model for the detection of microcalcifications clusters for image processing in full mammograms. The model was subdivided in three stages being in the first accomplished a pre-processing for the improvement of the quality of the mammographic images through the removal of noise and contrast enlargement. In the second stage of the processing, a group of algorithms was applied being sought the detection properly said of regions of interest (ROI\'s) in the images which possibly would represent the microcalcifications clusters. The third stage was destined to the classification of the pre-selected areas in the previous stage for the final determination of the true-positive findies (TP), being looked for, like this, the decrease of the rate of false-positive (FP) ones. In each stage of the development of the model, computational tests was accomplished in order to analyze the preliminary results. Finally, several computational tests was accomplished in three groups of images with different compositions being the first formed by ROI\'s of phantoms, the second by ROI\'s of mammograms and the third for full mammograms. Is proposed too the integration of the techniques proposed to the CAD scheme in development for the group of research of LAPIMO (Laboratory of Analysis and Processing of Medical and Ophthalmology Images) of the University of São Paulo, São Carlos of the present institute.

O objetivo principal deste projeto foi desenvolver um modelo para a detecção de clusters de microcalcificações para o processamento de imagens mamográficas inteiras. O modelo foi subdividido em três etapas sendo na primeira realizado um pré-processamento para a melhoria da qualidade das imagens mamográficas no que se refere à remoção de ruídos e alargamento de contraste. Na segunda etapa do processamento, um conjunto de algoritmos foi aplicado visando-se a detecção propriamente dita de regiões de interesse nas imagens as quais possivelmente representariam os agrupamentos de microcalcificações. A terceira etapa destinou-se à classificação das regiões pré-selecionadas na etapa anterior para a determinação final dos achados verdadeiro-positivos (VP), buscando-se, assim, a diminuição da taxa de achados falso-positivos (FP). Em cada etapa do desenvolvimento do modelo, testes computacionais foram realizados a fim de auxiliarem na análise de resultados preliminares. Por fim, vários testes computacionais foram realizados em três conjuntos de imagens com composições distintas sendo o primeiro formado por regiões de interesse (RI) de phantoms, o segundo por RI de mamografias e o terceiro por imagens mamográficas inteiras. Propõe-se a integração das técnicas propostas ao sistema CAD em desenvolvimento pelo grupo de pesquisa do LAPIMO (Laboratório de Análise e Processamento de Imagens Médicas e Oftalmológicas) da Escola de Engenharia de São Carlos do presente instituto. / The main purpose of this project was to develop a new model for the detection of microcalcifications clusters for image processing in full mammograms. The model was subdivided in three stages being in the first accomplished a pre-processing for the improvement of the quality of the mammographic images through the removal of noise and contrast enlargement. In the second stage of the processing, a group of algorithms was applied being sought the detection properly said of regions of interest (ROI\'s) in the images which possibly would represent the microcalcifications clusters. The third stage was destined to the classification of the pre-selected areas in the previous stage for the final determination of the true-positive findies (TP), being looked for, like this, the decrease of the rate of false-positive (FP) ones. In each stage of the development of the model, computational tests was accomplished in order to analyze the preliminary results. Finally, several computational tests was accomplished in three groups of images with different compositions being the first formed by ROI\'s of phantoms, the second by ROI\'s of mammograms and the third for full mammograms. Is proposed too the integration of the techniques proposed to the CAD scheme in development for the group of research of LAPIMO (Laboratory of Analysis and Processing of Medical and Ophthalmology Images) of the University of São Paulo, São Carlos of the present institute.

Submitted by Luciana Sebin (lusebin@ufscar.br) on 2016-10-06T13:19:49Z No. of bitstreams: 1 DissAOS.pdf: 12231590 bytes, checksum: 0d013d4adc46d9e7c5828719c8c6951f (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-13T20:24:59Z (GMT) No. of bitstreams: 1 DissAOS.pdf: 12231590 bytes, checksum: 0d013d4adc46d9e7c5828719c8c6951f (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-10-13T20:25:09Z (GMT) No. of bitstreams: 1 DissAOS.pdf: 12231590 bytes, checksum: 0d013d4adc46d9e7c5828719c8c6951f (MD5) / Made available in DSpace on 2016-10-13T20:25:19Z (GMT). No. of bitstreams: 1 DissAOS.pdf: 12231590 bytes, checksum: 0d013d4adc46d9e7c5828719c8c6951f (MD5) Previous issue date: 2016-02-26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Mammography is considered the “gold standard"in the early detection of breast cancer, being this disease one of the greatest health problems of women worldwide. Clustered microcalcifications detected on mammograms are very important findings in asymptomatic patients with early breast cancer and may be considered one of the first signs of malignancy. However, due to the small size of these structures, associated with the visual fatigue of radiologists resulting from the analysis of a large volume of images, clinical studies indicate that from 10 to 30% of microcalcifications presented in mammograms are lost during diagnosis. Within this scenario, this master thesis aims to develop an automatic system for the detection of clustered microcalcifications in digitized mammography images. To solve this problem, we use the transformed dua-three complex wavelet to detect the microcalsifications since this technique has some important characteristics for the signal analysis, for instance, good directional selectivity, approximate shift invariance and it provides both information - magnitude and phase. After the detection of isolated microcalcifications, a post-processing step is used to automatically demarcate regions containing clusters of microcalcifications. Furthermore, three techniques were investigated for the analysis of each clustered detection in order to identify false-positive clusters, such as: the Hessian matrix, the groups exclusion and the gray level co-occurrence matrix technique and SVM classifiers. For the development and testing of the algorithms one digitized mammogram database were used. The analysis of the results were performed by using ROC and FROC curves. The method achieved good results when compared to the mark made by experts. / A mamografia é considerada o "padrão ouro"na detecção precoce do câncer de mama, sendo essa doença um dos maiores problemas de saúde da mulher no mundo. Agrupamentos de microcalcificações detectados nos mamogramas são achados muito importantes em pacientes assintomáticas com câncer de mama e podem representar o primeiro sinal de malignidade. No entanto, devido ao reduzido tamanho dessas estruturas, associado à fadiga visual dos radiologistas resultante da análise de grandes volumes de imagens, estudos clínicos indicam que de 10 a 30% das microcalcificações presentes nos mamogramas são perdidas durante o diagnóstico. Diante deste quadro, este trabalho de mestrado tem por objetivo o desenvolvimento de um sistema automático para a detecção de agrupamentos de microcalcificações em imagens de mamogramas digitalizados. Para isso, utilizou-se a transformada wavelet complexa de árvore dupla (DT-CWT) para a detecção das microcalcificações, visto que essa técnica possui características importantes para a análise de sinais como, por exemplo, boa seletividade direcional, invariância aproximada ao deslocamento e fornece ambas informações – magnitude e fase. Após a detecção das microcalcificações isoladas, uma etapa de pós-processamento foi utilizada para demarcar automaticamente regiões contendo agrupamentos de microcalcificações. Além disso, três técnicas foram investigadas para a análise de cada agrupamento detectado, com o intuito de identificar agrupamentos falsopositivos, sendo elas: a matriz Hessiana, a exclusão de agrupamentos e a técnica de matriz de coocorrência de níveis de cinza e classificadores SVMs. Uma base de dados de mamogramas digitalizados foi utilizada para o desenvolvimento e testes dos algoritmos. A análise dos resultados foi realizada usando curvas ROC e FROC. O método obteve bons resultados quando comparado às marcações realizadas por especialistas e presentes na base de dados.

INTRODUÇÃO: O objetivo deste estudo é determinar a correlação anatomopatológica das calcificações amorfas agrupadas diagnosticadas na mamografia digital de campo total, ou seja, das calcificações suspeitas mais tênues, uma vez que houve aumento da caracterização de calcificações na mamografia digital. MÉTODOS: Estudo retrospectivo baseado nos laudos mamográficos classificados como categoria BI-RADS 4 no primeiro ano de introdução da técnica digital, com análise dos diagnósticos anatomopatológicos das microcalcificações amorfas agrupadas submetidas à biópsia de fragmento assistida à vácuo no serviço. Calculou-se: os achados anatomopatológicos que se associaram ao achado radiológico de microcalcificações amorfas agrupadas e o valor preditivo positivo destas calcificações biopsiadas. RESULTADOS: Dos 219 achados por microcalcificações amorfas agrupadas, 78 foram submetidos à biópsia de fragmento assistida à vácuo com seguimento conhecido ou cirurgia subsequente. O diagnóstico anatomopatológico correspondeu a oito (10%) casos malignos, 36 (46%) casos benignos, e 34 (44%) diagnósticos de lesões de risco, das quais oito (10%) do subgrupo cicatriz radiada/lesões papilíferas (sete cicatrizes radiadas e um papiloma) e 26 (33%) do subgrupo atipias/ neoplasias lobulares, correspondendo a 14 (18%) hiperplasias ductais atípicas, quatro (5%) neoplasias lobulares e oito (10%) lesões de células colunares com atipia (atipia epitelial plana). A ampliação cirúrgica foi recomendada para as lesões com potencial incerto de malignidade à biópsia e realizada em 65% do subgrupo atipias/neoplasias lobulares, com taxa de subestimação nula (0/18). O tempo médio de seguimento das pacientes com diagnóstico benigno ou de lesão de risco foi 22 meses. CONCLUSÕES: Um terço das microcalcificações amorfas agrupadas em mamografia digital de campo total corresponderam a lesões precursoras representadas pelas atipias (ductais e colunares) e neoplasias lobulares. Essas lesões se associaram às calcificações amorfas agrupadas numa proporção de cerca de 3:1 em relação às lesões malignas, cujo VPP 3 foi 10% / PURPOSE: To determine the anatomopathological correlation of grouped amorphous calcifications (the most tenuous of suspicious calcifications) disclosed on full-field digital mammography, given the enhanced characterization of calcifications provided by digital mammography. METHODS: A retrospective study of mammographic reports classified as BI-RADS® category 4 at a private diagnostic service specialized in breast imaging was carried out on exams performed during the first year of introducing the digital technique. The investigation entailed analysis of the anatomopathological diagnoses of BI-RADS® category 4 for grouped amorphous microcalcifications submitted to vacuum-assisted breast biopsy (VABB). Anatomopathological findings correlated to this radiological finding were determined and positive predictive value of these calcifications submitted to biopsy (PPV 3) was calculated. RESULTS: Of the 219 findings of grouped amorphous microcalcifications, 78 were submitted to VABB with known follow-up or subsequent surgery. The anatomopathological results included eight (10%) malignant cases, 36 (46%) benign cases and 34 (44%) diagnoses of high-risk lesions, eight of which belonged to the radial scar/papillary lesion subgroup (seven radial scars and one papilloma) and 26 (33% of all cases) to the atypia/lobular neoplasia subgroup, comprising 14 atypical ductal hyperplasias, four lobular neoplasias and eight flat epithelial atypia. Extended surgery was recommended for lesions with uncertain malignant potential at biopsy and performed in 65% of the atypia/lobular neoplasia subgroup, with an underestimation rate of zero (0/18). Mean follow-up time of patients diagnosed with benign or high-risk lesions was 22 months. CONCLUSIONS: One-third of grouped amorphous calcifications on full-field digital mammography corresponded to precursory lesions in the form of atypia (ductal and columnar) or lobular neoplasias. These lesions were associated to grouped amorphous calcifications at a ratio of 3:1 compared to malignant lesions,whose PPV 3 was 10%

O presente trabalho consiste na investigação das características da imagem mamográfica digitalizada para definir automaticamente parâmetros de processamento em um esquema de diagnóstico auxiliado por computador (CAD) para mamografia, com o objetivo de se obter o melhor desempenho possível. Além disso, com base na aplicação dos resultados dessa primeira investigação, propõe-se também uma técnica de redução dos índices de falso-positivo em esquemas CAD visando à redução do número de biópsias desnecessárias. Para a definição automática dos parâmetros de processamento nas técnicas de detecção de microcalcificações e nódulos, foram extraídas algumas características das imagens, como desvio padrão, terceiro momento e o limiar de binarização. Utilizando o método de automatização proposto, observou-se um aumento de 20% no desempenho do esquema CAD (Az da curva ROC) em relação ao método não automatizado com parâmetro fixo. Para que fosse possível o processamento da imagem mamográfica inteira pelo esquema CAD e as técnicas desenvolvidas, foi desenvolvida também uma técnica para seleção automática de regiões de interesses, que recorta partes relevantes da mama para a segmentação. O índice de falsos positivos foi tratado por técnica específica desenvolvida com base na comparação das duas incidências típicas do exame mamográfico que, juntamente com a avaliação automática da imagem no pré-processamento para detecção de microcalcificações produziu uma redução significativa de 86% daquela taxa em relação ao procedimento de parâmetro fixo. / This present work consists on the investigation of mammographic image characteristics for automatic determination of image processing parameters for a mammography computer aided diagnosis scheme (CAD) in order to get optimal performance. Additionally, using the results obtained on this first investigation, it was also developed a new technique for the reduction of false-positive rates on CAD projects, which can result on the reduction of the number of unnecessary biopsies. For the automatic definition of the image processing parameters for the techniques of detection of microcalcifications and nodules, some image characteristics had been extracted, as standard deviation, third momentum and the thresholding value. Using the proposed automatization method it was reported an increase of 20% in the CAD performance (evaluated determining the ROC curve) in comparison to the non-automatic method (fixed parameter). Besides, for CAD schemes it is necessary to process the entire mammographic image. Thus, it was also developed a technique for automatic selection of regions of interests in the mammogram, which extracts better regions from breast image for further segmentation. False-positives rates was treated by a specific technique based on the comparison of the two typical incidences of mammographic examination that together with the automatic parameter determination method for microcalcification detection produced a significant reduction of 86% of that rate in relation to the procedure that uses fixed parameter.