Os requisitos técnicos da qualidade da imagem em mamografia estabelecidos por normas nacionais e internacionais incluem parâmetros de qualidade que podem ser avaliados através da realização de testes periódicos. Estes parâmetros podem ser medidos com a aquisição e leitura de imagens de objetos (phantoms) que simulam as estruturas presentes em uma mamografia. O phantom CDMAM foi confeccionado especificamente para a realização de testes que utilizam um procedimento padrão para se determinar um limiar de contraste para cada diâmetro de disco presentes em suas imagens. No entanto, esta tarefa é bastante trabalhosa e consome tempo, além de estar sujeita a uma significativa dependência do observador, diminuindo a precisão das aferições. Nesse sentido, o propósito deste trabalho é o desenvolvimento de um software que auxilie o profissional na realização dos testes, reduzindo a subjetividade devida aos observadores e correlacionando as leituras automatizadas com o sistema visual humano, sem a necessidade de se efetuar a correção dos resultados, como é realizado em diversos trabalhos encontrados na literatura. Para isso, foram utilizadas imagens obtidas por cinco sistemas CR e um método de detecção baseado na confecção de filtros circulares correlatores. A correlação com a visão humana fundamentou-se nos parâmetros de Weber, que descrevem o comportamento do sistema visual na discriminação do contraste em imagens digitais. A classificação dos discos contidos na imagem do phantom entre visível ou não visível foi efetuada a partir de uma ferramenta de mineração de dados conhecida como WEKA (Waikato Environment for Knowledge Analysis) associada ao algoritmo J48, que promove a construção de modelos de árvore de decisão. O resultado da implementação destas árvores de decisão foi a obtenção de um sistema de auxílio ao especialista que reforça a sua integridade na avaliação a partir de resultados estáveis e de fácil interpretação, atingindo acurácias de até 95%. / Technical requirements of image quality in mammography established by national and international norms include quality parameters which can be achieved by conducting periodic tests. It is recommended that some quality parameters are measured from images acquired by exposing specific phantoms, as CDMAM, in such systems. Nevertheless, this task is hard-working and time consuming, besides to be subject to a significant dependence of the observer, reducing the measurements accuracy. Accordingly, the purpose of this work is the development of a software to assist in the professional testing, reducing the subjectivity due to the observers and correlating the automated readings with the human visual system, without the need to make the correction of the results, as is done in many studies in the literature. For this, we used 57 images obtained for five CR systems and a method of detection based on circular correlators filters. The correlation with human vision was based on the Weber\'s parameters which describe the behavior of the visual system to discriminate the contrast in digital images. The classification of the image discs between visible or not visible was made from a data mining tool known as WEKA (Waikato Environment for Knowledge Analysis) associated with the J48 algorithm which promotes the construction of decision tree models. The result of the decision trees implementation was a system to aid the specialist, reinforcing the integrity of the assessment using stable results, easily interpreted, and reaching accuracies of up to 95%.

Os requisitos técnicos da qualidade da imagem em mamografia estabelecidos por normas nacionais e internacionais incluem parâmetros de qualidade que podem ser avaliados através da realização de testes periódicos. Estes parâmetros podem ser medidos com a aquisição e leitura de imagens de objetos (phantoms) que simulam as estruturas presentes em uma mamografia. O phantom CDMAM foi confeccionado especificamente para a realização de testes que utilizam um procedimento padrão para se determinar um limiar de contraste para cada diâmetro de disco presentes em suas imagens. No entanto, esta tarefa é bastante trabalhosa e consome tempo, além de estar sujeita a uma significativa dependência do observador, diminuindo a precisão das aferições. Nesse sentido, o propósito deste trabalho é o desenvolvimento de um software que auxilie o profissional na realização dos testes, reduzindo a subjetividade devida aos observadores e correlacionando as leituras automatizadas com o sistema visual humano, sem a necessidade de se efetuar a correção dos resultados, como é realizado em diversos trabalhos encontrados na literatura. Para isso, foram utilizadas imagens obtidas por cinco sistemas CR e um método de detecção baseado na confecção de filtros circulares correlatores. A correlação com a visão humana fundamentou-se nos parâmetros de Weber, que descrevem o comportamento do sistema visual na discriminação do contraste em imagens digitais. A classificação dos discos contidos na imagem do phantom entre visível ou não visível foi efetuada a partir de uma ferramenta de mineração de dados conhecida como WEKA (Waikato Environment for Knowledge Analysis) associada ao algoritmo J48, que promove a construção de modelos de árvore de decisão. O resultado da implementação destas árvores de decisão foi a obtenção de um sistema de auxílio ao especialista que reforça a sua integridade na avaliação a partir de resultados estáveis e de fácil interpretação, atingindo acurácias de até 95%. / Technical requirements of image quality in mammography established by national and international norms include quality parameters which can be achieved by conducting periodic tests. It is recommended that some quality parameters are measured from images acquired by exposing specific phantoms, as CDMAM, in such systems. Nevertheless, this task is hard-working and time consuming, besides to be subject to a significant dependence of the observer, reducing the measurements accuracy. Accordingly, the purpose of this work is the development of a software to assist in the professional testing, reducing the subjectivity due to the observers and correlating the automated readings with the human visual system, without the need to make the correction of the results, as is done in many studies in the literature. For this, we used 57 images obtained for five CR systems and a method of detection based on circular correlators filters. The correlation with human vision was based on the Weber\'s parameters which describe the behavior of the visual system to discriminate the contrast in digital images. The classification of the image discs between visible or not visible was made from a data mining tool known as WEKA (Waikato Environment for Knowledge Analysis) associated with the J48 algorithm which promotes the construction of decision tree models. The result of the decision trees implementation was a system to aid the specialist, reinforcing the integrity of the assessment using stable results, easily interpreted, and reaching accuracies of up to 95%.