Recommended
Recommended
More Related Content
Similar to Detecção de Agrupamentos de Microcalcificações em Imagens Digitais de Mamografia
Similar to Detecção de Agrupamentos de Microcalcificações em Imagens Digitais de Mamografia (20)
Detecção de Agrupamentos de Microcalcificações em Imagens Digitais de Mamografia
- 1. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Detecção de Agrupamentos De Microcalcicações em Imagens Digitais de Mamograas Aldísio Gonçalves Medeiros Defesa do Trabalho de Conclusão de Curso Instituto Federal de Ciência, Educação e Tecnologia do Ceará (IFCE) Campus Maracanaú - Telemática Bacharelado em Ciência da Computação Orientador: Prof. M.Sc. Daniel Silva Ferreira 12 de junho de 2015 1 / 69
- 2. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros 1 Introdução Motivações e Objetivos Câncer de Mama Denição Microcalcicações Mamograa 2 Metodologia Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI 3 Experimentos Materiais Metodologia de Avaliação 4 Resultados 5 Conclusões 6 Trabalhos Futuros 2 / 69
- 3. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Câncer de Mama INCA (2015) dene câncer como: Câncer é uma denominação ampla para mais de 100 doenças cuja característica comum é o crescimento desordenado de células com potencial invasivo. 3 / 69
- 4. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Introdução Motivação Taxas crescentes de mortalidade na população feminina. Facina(2014), Lucena(2012). 4 / 69
- 5. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Introdução Motivação Taxas crescentes de mortalidade na população feminina. Facina(2014), Lucena(2012). Diculdades na prevenção primária, INCA(2015). 4 / 69
- 6. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Introdução Motivação Taxas crescentes de mortalidade na população feminina. Facina(2014), Lucena(2012). Diculdades na prevenção primária, INCA(2015). Mamograa como técnica de rastreio para o aumento do índice de cura. Peixoto(2007). 4 / 69
- 7. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Introdução Motivação Taxas crescentes de mortalidade na população feminina. Facina(2014), Lucena(2012). Diculdades na prevenção primária, INCA(2015). Mamograa como técnica de rastreio para o aumento do índice de cura. Peixoto(2007). Análise subjetiva do médico especialista e o uso de CAD. Pereira(2012), Calas(2012). 4 / 69
- 8. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Introdução Motivação Taxas crescentes de mortalidade na população feminina. Facina(2014), Lucena(2012). Diculdades na prevenção primária, INCA(2015). Mamograa como técnica de rastreio para o aumento do índice de cura. Peixoto(2007). Análise subjetiva do médico especialista e o uso de CAD. Pereira(2012), Calas(2012). Melhorar o desempenho de métodos de classicação e compressão de imagens médicas. 4 / 69
- 9. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Introdução Objetivos Revisar algoritmos disponíveis para detecção de agrupamentos de microcalcicações. 5 / 69
- 10. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Introdução Objetivos Revisar algoritmos disponíveis para detecção de agrupamentos de microcalcicações. Projetar um método para denição de regiões suspeitas que melhor se aproxima do formato das lesões. 5 / 69
- 11. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Introdução Objetivos Revisar algoritmos disponíveis para detecção de agrupamentos de microcalcicações. Projetar um método para denição de regiões suspeitas que melhor se aproxima do formato das lesões. Derpertar a comunidade acadêmica para o tema. 5 / 69
- 12. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Denição Conceito: Grupo heterogêneo de doenças, com comportamentos distintos. Apresentando-se como In Situ ou invasivo. Figura: Carcinoma Ductal In Situ (CDIS). American Cancer Society (2015). 6 / 69
- 13. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Denição Conceito: Grupo heterogêneo de doenças, com comportamentos distintos. Apresentando-se como In Situ ou invasivo. CDIS Representa 20% dos novos casos em mulheres. Figura: Carcinoma Ductal In Situ (CDIS). American Cancer Society (2015). 6 / 69
- 14. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Denição Conceito: Grupo heterogêneo de doenças, com comportamentos distintos. Apresentando-se como In Situ ou invasivo. CDIS Representa 20% dos novos casos em mulheres. Representa 10% dos novos casos em mulheres. Figura: Carcinoma Ductal In Situ (CDIS). American Cancer Society (2015). 6 / 69
- 15. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Denição CLIS Figura: Carcinoma Lobular In Situ (CDIS). American Cancer Society (2015). 7 / 69
- 16. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Denição CLIS Representa 10% dos novos casos em mulheres. Figura: Carcinoma Lobular In Situ (CDIS). American Cancer Society (2015). 7 / 69
- 17. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Denição Figura: Carcinoma Ductal Invasivo. American Cancer Society (2015). 8 / 69
- 18. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Sintomas Figura: Sintomas do Câncer de Mama. 9 / 69
- 19. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Fatores de Riscos (a) Idade (b) Historico (c) Menstruação Precoce (d) Obesidade (e) Hormônios (f) Não ter Filhos (g) Gestação Tardia (h) Alcool (i) Gene 10 / 69
- 20. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Incidências - No mundo Em 2012, no mundo, 1.67 milhões de casos novos dessa neoplasia. 11 / 69
- 21. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Incidências - No mundo Em 2012, no mundo, 1.67 milhões de casos novos dessa neoplasia. Representando 25% de todos os tipos de câncer diagnosticados nas mulheres. 11 / 69
- 22. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Incidências - No mundo Em 2012, no mundo, 1.67 milhões de casos novos dessa neoplasia. Representando 25% de todos os tipos de câncer diagnosticados nas mulheres. Totalizando 520 mil mortes. 11 / 69
- 23. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Incidências - No Brasil Figura: Incidências de Câncer, no Brasil, referentes a 2014. INCA (2015) 12 / 69
- 24. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Incidências - No Brasil Figura: Incidências de Câncer, no Brasil, referentes a 2014. INCA (2015) 13 / 69
- 25. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Incidências - No Brasil Figura: Incidências de Câncer, no Nordeste, referentes a 2014. INCA (2015) 14 / 69
- 26. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Incidências - No Brasil Figura: Incidências de Câncer, no Ceará, referentes a 2014. INCA (2015) 15 / 69
- 27. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Prevenção e Tratamento Prevenção A prevenção foi destacada no Pacto pela Saúde em 2006, INCA (2015). Tratamento 16 / 69
- 28. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Prevenção e Tratamento Prevenção A prevenção foi destacada no Pacto pela Saúde em 2006, INCA (2015). Tratamento Em estagio iniciais, método curativos. 16 / 69
- 29. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Prevenção e Tratamento Prevenção A prevenção foi destacada no Pacto pela Saúde em 2006, INCA (2015). Tratamento Em estagio iniciais, método curativos. Em estágios avançados, prolongar a sobrevida da paciente. 16 / 69
- 30. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Microcalcicações Pioneiros: Albert Salomon (1913), Alemanha. Raul Leborgne (1950), Uruguai. Figura: Microcalcicação na mdb241. 17 / 69
- 31. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Microcalcicações Pioneiros: Albert Salomon (1913), Alemanha. Raul Leborgne (1950), Uruguai. Denição: Depósitos de fosfato de cálcio,Lakshmanan Thomas (2012) . Depósitos de oxalato de cálcio, com natureza ácida e formas irregulares.Alecrin et al. (2012). Figura: Microcalcicação na mdb241. 17 / 69
- 32. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Microcalcicações Os agrupamentos representam um forte indício carcinoma invasivo, Facina(2014). Figura: Realce do agrupamento na mdb241. 18 / 69
- 33. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Microcalcicações Os agrupamentos representam um forte indício carcinoma invasivo, Facina(2014). 62% dos tumores malignos possuem microcalcicações associadas, 23% aparecem como agrupamentos, Koehl et al(1970). Figura: Realce do agrupamento na mdb241. 18 / 69
- 34. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Microcalcicações Os agrupamentos representam um forte indício carcinoma invasivo, Facina(2014). 62% dos tumores malignos possuem microcalcicações associadas, 23% aparecem como agrupamentos, Koehl et al(1970). Estudos com 29 pacientes, de 30 tumores malignos, 29 mostraram calcicações em forma de agrupamento, Vianna et al (2002). Figura: Realce do agrupamento na mdb241. 18 / 69
- 35. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Microcalcicações Tabela: Atributos relevantes na análise de microcalcicações, Kopans Bertuol (2000). Característica Análise Tamanho Quanto menores as partículas encontradas mais chan- ces de serem malignas. Número Necessário que haja a denição de agrupamento. Forma A heterogeneidade morfológica é o parâmetro de sus- peita Distribuição Distribuídas maneira difusa ou podem formar regiões; podem estar agrupadas, lineares ou segmentares. Localização Encontradas na superfície da mama ou dentro do pa- rênquima mamário. 19 / 69
- 36. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Diagnóstico Mamográco As lesões podem levar em média 10 anos para se desenvolver, Elias (2015). (a) (b) Figura: Principais projeções no exame de mamograa. (a) Incidência Crânio Caudal (CC). (b) Incidência Médio Lateral Oblíqua (MLO). Radiopaedia (2015). 20 / 69
- 37. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Diagnóstico Mamográco As lesões podem levar em média 10 anos para se desenvolver, Elias (2015). A mamograa consegue detectar até 4 anos antes que o tumor seja palpável, Peixoto et al. (2007). (a) (b) Figura: Principais projeções no exame de mamograa. (a) Incidência Crânio Caudal (CC). (b) Incidência Médio Lateral Oblíqua (MLO). Radiopaedia (2015). 20 / 69
- 38. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Diagnóstico Mamográco As lesões podem levar em média 10 anos para se desenvolver, Elias (2015). A mamograa consegue detectar até 4 anos antes que o tumor seja palpável, Peixoto et al. (2007). Possui sensibilidade de 88 a 93%, já a especicidade de 85 a 94%. Peixoto et al. (2007). (a) (b) Figura: Principais projeções no exame de mamograa. (a) Incidência Crânio Caudal (CC). (b) Incidência Médio Lateral Oblíqua (MLO). Radiopaedia (2015). 20 / 69
- 39. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Motivações e Objetivos Câncer de Mama Mamograa Qualidade do Exame Figura: Possíveis projeções de captura para a produção de imagens mamográcas. Kopans (2000). 21 / 69
- 40. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Estado da Arte Métodos para detecção de microcalcicações direcionam-se em duas linhas: 22 / 69
- 41. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Estado da Arte Métodos para detecção de microcalcicações direcionam-se em duas linhas: Aprimoramento da imagem. 22 / 69
- 42. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Estado da Arte Métodos para detecção de microcalcicações direcionam-se em duas linhas: Aprimoramento da imagem. Método de Stojic (2014) 22 / 69
- 43. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Estado da Arte Métodos para detecção de microcalcicações direcionam-se em duas linhas: Aprimoramento da imagem. Método de Stojic (2014) Método de Lakshmana Thomas (2012) 22 / 69
- 44. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Estado da Arte Métodos para detecção de microcalcicações direcionam-se em duas linhas: Aprimoramento da imagem. Método de Stojic (2014) Método de Lakshmana Thomas (2012) Classicação das lesões 22 / 69
- 45. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Estado da Arte Métodos para detecção de microcalcicações direcionam-se em duas linhas: Aprimoramento da imagem. Método de Stojic (2014) Método de Lakshmana Thomas (2012) Classicação das lesões Método de Zhang (2014) 22 / 69
- 46. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Estado da Arte Métodos para detecção de microcalcicações direcionam-se em duas linhas: Aprimoramento da imagem. Método de Stojic (2014) Método de Lakshmana Thomas (2012) Classicação das lesões Método de Zhang (2014) Método de Diaz-Herta et al (2014) 22 / 69
- 47. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Elementares Morfologia Matemática (MM). 23 / 69
- 48. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Elementares Morfologia Matemática (MM). Fundamentada sob operações envolvendo dois conjuntos: Imagem e o Elemento Estruturante (EE). 23 / 69
- 49. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Elementares Morfologia Matemática (MM). Fundamentada sob operações envolvendo dois conjuntos: Imagem e o Elemento Estruturante (EE). Grande parte das operações da MM são baseadas em duas operações elementares: Erosão e Dilação. Gonzalez (2010). 23 / 69
- 50. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Elementares Erosão Morfológica [A B](x, y) = min (b1,b2)∈B {A(x + b1, y + b2)} (1) Dilatação Morfológica [A ⊕ B](x, y) = max (b1,b2)∈B {A(x − b1, y − b2)} (2) 24 / 69
- 51. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Elementares - Exemplos (a) Rótulo na mdb248 (b) Erosão (c) Dilatação (d) Rótulo na mdb248 (e) Erosão (f) Dilatação Figura: Ruído do background da mamograa mdb248. 25 / 69
- 52. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Elementares - Exemplos (a) Original (b) Erosão Figura: Histograma do corte na mdb248 representado nas escalas de 150 a 250. 26 / 69
- 53. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Elementares - Exemplos (a) Original (b) Dilatação Figura: Histograma do corte na mdb248 representado nas escalas de 150 a 250. 27 / 69
- 54. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Derivadas Abertura Morfológica A ◦ B = (A B) ⊕ B (3) Fechamento Morfológica A • B = (A ⊕ B) B (4) 28 / 69
- 55. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Derivadas Gradiente Morfológico G = (A ⊕ B) − (A B) (5) 29 / 69
- 56. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Derivadas - Exemplos (a) Original (b) Microcalcicações Realçadas (c) Aplicação do Gradiente Figura: Recorte do mamograma mdb241 com aplicação da transformada Top-Hat, Figura (b), seguida do gradiente morfológico, Figura (c). 30 / 69
- 57. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Operações Derivadas Transformada Top-Hat TH = A − (A ◦ B) (6) Transformada Bottom-Hat BH = (A • B) − A (7) 31 / 69
- 58. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Limiarização Limiarização Global g(x, y) = 1 sef (x, y) T 0 sef (x, y) T (8) Limiarização ótima Otsu (1975) Baseado na distribuição estatísticas dos pixels. 32 / 69
- 59. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Limiarização Limiarização Global g(x, y) = 1 sef (x, y) T 0 sef (x, y) T (8) Limiarização ótima Otsu (1975) Baseado na distribuição estatísticas dos pixels. Utiliza a variância da distribuição dos pixels. 32 / 69
- 60. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Limiarização Limiarização Global g(x, y) = 1 sef (x, y) T 0 sef (x, y) T (8) Limiarização ótima Otsu (1975) Baseado na distribuição estatísticas dos pixels. Utiliza a variância da distribuição dos pixels. Maximizar a variância entre essas classes, encontrando um limiar T. 32 / 69
- 61. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Método proposto por Diaz-Huerta et al (2014) Figura: Fluxo das operação no método de remoção do ruído proposto por Diaz-Huerta et al (2014). Na etapa 4, observa-se que a região de ruído, indicada pela seta, não foi completamente removida da imagem, contendo pixels com valores de intensidade iguais a 7. 33 / 69
- 62. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Método proposto 34 / 69
- 63. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Remoção de ruído do mamograma Figura: Diagrama de atividade do método de remoção do background. 35 / 69
- 64. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Remoção de ruído do mamograma Figura: Diagrama da subatividade 4 do método de remoção do background. 36 / 69
- 65. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Remoção de ruído do mamograma (a) Figura: Remoção do background na amostra mdb209. 37 / 69
- 66. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Remoção de ruído do mamograma (a) Figura: Remoção do background na amostra mdb231. 38 / 69
- 67. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Remoção de ruído do mamograma (a) Figura: Remoção do background na amostra mdb218. 39 / 69
- 68. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Remoção de ruído do mamograma (a) Figura: Remoção do background na amostra mdb239. 40 / 69
- 69. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Detecção da ROI Destina-se a detectar uma ROI com forma arbitrária que melhor se aproxima do real contorno de um agrupamento de microcalcicações. 41 / 69
- 70. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Detecção da ROI Destina-se a detectar uma ROI com forma arbitrária que melhor se aproxima do real contorno de um agrupamento de microcalcicações. A etapa seguinte utiliza a imagem resultante do método de remoção de ruídos descrito na seção anterior. 41 / 69
- 71. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Detecção da ROI Figura: Diagrama de atividade do método de detecção da ROI. 42 / 69
- 72. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Detecção da ROI (a) Figura: Exemplos de aplicação da localização automática da ROI contendo o agrupamento de lesões suspeitas. Representa os achados nos mamogramas mdb213 todos com microcalcicações malignas. 43 / 69
- 73. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Detecção da ROI (a) Figura: Exemplos de aplicação da localização automática da ROI contendo o agrupamento de lesões suspeitas. Representa os achados nos mamogramas mdb231 todos com microcalcicações malignas. 44 / 69
- 74. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Detecção da ROI (a) Figura: Exemplos de aplicação da localização automática da ROI contendo o agrupamento de lesões suspeitas. Representa os achados nos mamogramas mdb248 todos com microcalcicações malignas. 45 / 69
- 75. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Estado da Arte Processamento Digital de Imagens Método de remoção do background Método de detecção da ROI Detecção da ROI (a) Figura: Exemplos de aplicação da localização automática da ROI contendo o agrupamento de lesões suspeitas. Representa os achados nos mamogramas mdb249 todos com microcalcicações malignas. 46 / 69
- 76. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Base de Dados Obtidas a partir da base pública MIAS (Mammographic Image Analysis Society). 47 / 69
- 77. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Base de Dados Obtidas a partir da base pública MIAS (Mammographic Image Analysis Society). Contém 322 imagens reais de mamograas. 47 / 69
- 78. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Base de Dados Obtidas a partir da base pública MIAS (Mammographic Image Analysis Society). Contém 322 imagens reais de mamograas. Resolução de 1024x1024 pixels com intensidade de 8 bits/pixel 47 / 69
- 79. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Base de Dados Obtidas a partir da base pública MIAS (Mammographic Image Analysis Society). Contém 322 imagens reais de mamograas. Resolução de 1024x1024 pixels com intensidade de 8 bits/pixel 22 imagens contendo microcalcicações benignas e malignas. 47 / 69
- 80. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Base de Dados Obtidas a partir da base pública MIAS (Mammographic Image Analysis Society). Contém 322 imagens reais de mamograas. Resolução de 1024x1024 pixels com intensidade de 8 bits/pixel 22 imagens contendo microcalcicações benignas e malignas. Tecidos Glandular, Denso e Gorduroso. 47 / 69
- 81. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Base de Dados Os testes foram realizados em 15 imagens da base MIAS Figura: Amostras por tecido da base MIAS. 48 / 69
- 82. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Base de Dados Os testes foram realizados em 15 imagens da base MIAS As amostras foram distribuídas igualmente conforme tipo de tecido da mama. Figura: Amostras por tecido da base MIAS. 48 / 69
- 83. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Critérios Para avaliação do método, observou-se a quantidade de pixels detectados pelo método em relação a ROI circular denida pelo ground-truth da base MIAS. 49 / 69
- 84. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Critérios Para avaliação do método, observou-se a quantidade de pixels detectados pelo método em relação a ROI circular denida pelo ground-truth da base MIAS. Para esta análise é proposto um índice K. 49 / 69
- 85. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Critérios Para avaliação do método, observou-se a quantidade de pixels detectados pelo método em relação a ROI circular denida pelo ground-truth da base MIAS. Para esta análise é proposto um índice K. Índice K k = 1 − pa(x, y) pc(x, y) , ∀pa(x, y) ∈ Ra, ∀pc(x, y) ∈ Rc (9) 49 / 69
- 86. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Critérios Para avaliação do método, observou-se a quantidade de pixels detectados pelo método em relação a ROI circular denida pelo ground-truth da base MIAS. Para esta análise é proposto um índice K. Índice K k = 1 − pa(x, y) pc(x, y) , ∀pa(x, y) ∈ Ra, ∀pc(x, y) ∈ Rc (9) Onde Ra e Rc representam as regiões arbitrárias e circulares. Em que k → 1 sinaliza alta redução no tamanho da ROI e k → 0 signica baixa redução. 49 / 69
- 87. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Experimentos É necessário analisar também o quantitativo de microcalcicações nas duas regiões, Ra e Rc. 50 / 69
- 88. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Experimentos É necessário analisar também o quantitativo de microcalcicações nas duas regiões, Ra e Rc. Utilizamos como avaliador um método de classicação de microcalcicações proposto por Linguraru et al(2006). 50 / 69
- 89. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Experimentos É necessário analisar também o quantitativo de microcalcicações nas duas regiões, Ra e Rc. Utilizamos como avaliador um método de classicação de microcalcicações proposto por Linguraru et al(2006). Índice M M = Na Nc (10) 50 / 69
- 90. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Experimentos É necessário analisar também o quantitativo de microcalcicações nas duas regiões, Ra e Rc. Utilizamos como avaliador um método de classicação de microcalcicações proposto por Linguraru et al(2006). Índice M M = Na Nc (10) Onde Na e Nc representam o número de microcalcicações existentes em Ra e Rc, respectivamente. Com M → 1, tem-se a preservação de microcalcicações e M → 0 sugere perdas. 50 / 69
- 91. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Método Proposto (a) (b) Figura: Experimentos realizados com a mamograas mdb231. (a) ROI circular da base MIAS. (b) ROI com formato arbitrário encontrado pelo método na amostra mdb231. 51 / 69
- 92. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Materiais Metodologia de Avaliação Método Proposto (a) (b) Figura: Experimentos realizados com a mamograas mdb249. (a) ROI circular da base MIAS. (b) ROI com formato arbitrário encontrado pelo método na amostra mdb249. 52 / 69
- 93. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Resultados 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 0.2 0.4 0.6 0.8 1 imagens da base MIAS índice índice K Figura: Índices K para imagens da base MIAS. 53 / 69
- 94. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Resultados 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 0 0.2 0.4 0.6 0.8 1 imagens da base MIAS índice índice M Figura: Índices M para imagens da base MIAS. 54 / 69
- 95. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Resultados Tabela: Taxa de acerto e redução da área do agrupamento em relação a ROIs circulares. Tecido Acerto da ROI Redução da ROI Glandular 0.9191 ±0.114 0.7696 Glandular gorduroso 0.8255 ±0.109 0.6701 Denso 0.9098 ±0.207 0.6250 55 / 69
- 96. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Resultados Tabela: Quantidade de microcalcicações preservadas, por tipo de tecido. Tecido Ra Rc Taxa de preservação Glandular 8 7 87.5% Glandular gorduroso 9 5 55.5% Denso 5 4 80% 56 / 69
- 97. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Resultados Concluímos que, no cenário de testes, o método mostrou uma taxa média de acerto de 87,66% dos agrupamentos contendo microcalcicações malignas e menignas. 57 / 69
- 98. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Resultados Concluímos que, no cenário de testes, o método mostrou uma taxa média de acerto de 87,66% dos agrupamentos contendo microcalcicações malignas e menignas. A demarcação da região mais próximas as microcalcicações sugere uma boa taxa de redução, onde em geral 74% das lesões foram preservadas. 57 / 69
- 99. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Conclusões O método proposto consegue denir uma região de agrupamento de microcalcicações satisfatória para imagens de mama glandular, gordurosas e densas, com taxas de acerto superiores a 82% quando comparadas ao ground truth da base. 58 / 69
- 100. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Conclusões O método proposto consegue denir uma região de agrupamento de microcalcicações satisfatória para imagens de mama glandular, gordurosas e densas, com taxas de acerto superiores a 82% quando comparadas ao ground truth da base. Além disso, a redução da área não causou perdas excessivas das microcalcicações. 58 / 69
- 101. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Conclusões O método proposto consegue denir uma região de agrupamento de microcalcicações satisfatória para imagens de mama glandular, gordurosas e densas, com taxas de acerto superiores a 82% quando comparadas ao ground truth da base. Além disso, a redução da área não causou perdas excessivas das microcalcicações. A redução de dados com a demarcação da ROI mais próxima das lesões pode melhorar o desempenho de métodos de compressão e classicação. 58 / 69
- 102. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Trabalhos Futuros Analisar o comportamento do método em uma base de resolução maior, DDSM, largamente utilizada para avaliação. 59 / 69
- 103. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Trabalhos Futuros Analisar o comportamento do método em uma base de resolução maior, DDSM, largamente utilizada para avaliação. Investigar o desempenho de algoritmos de compressão e classicação a partir das ROIs denidas pelo método proposto. 59 / 69
- 104. Introdução Metodologia Experimentos Resultados Conclusões Trabalhos Futuros Contribuições Título:Detecção de agrupamentos de microcalcicações em imagens digitais de mamograas. Evento: XV Workshop de Informática Médica, realizado como parte dos eventos do XXXV Congresso da Sociedade Brasileira de Computação (CSBC), em Recife - PE, Brasil. Sociedade Cientíca: Sociedade Brasileira de Computação. 60 / 69
- 105. Apêndice Referências Bibliográcas Referências Bibliográcas I Intituto Nacional de Câncer José Alencar Gomes da Silva. Controle do Câncer de mama Disponível em: http://www2.inca.gov.br. Acesso em: 09/06/2015. Facina, Taís. Estimativa 2014Incidência de Câncer no Brasil INCA, 2014. Martins, Letícia A. L. and Barra,A.A. and Lucena, C.E.M. Microcalcicações Mamárias Suspeitas de Malignidade 2. vol. 56. Revista Brasileira de Cancerologia, 2010. 61 / 69
- 106. Apêndice Referências Bibliográcas Referências Bibliográcas II Peixoto, JE and Canella, E and Azevedo, AC Mamograa: Da Prática ao Controle INCA, 2007. Calas, M.J.G. and Gutlen, B. and Pereira, W.C.A. CAD e mamograa: por que usar esta ferramenta. 1. vol. 45. Radiol Bras,SciELO Brasil, 2012. Koehl, RH and Snyder, R. E. and Hutter, RV and Foote Jr, FW The incidence and signicance of calcications within operative breast specimens. American journal of clinical pathology, 1970. 62 / 69
- 107. Apêndice Referências Bibliográcas Referências Bibliográcas III Vianna, Alberto Domingues and Marchiori, Edson Calcicações malignas da mama: correlação mamograa-anatomia patológica Radiol. bras, 2002. Lakshmanan, Rekha and Thomas, Vinu Enhancement of microcalcication features using morphology and contourlet transform IEEE, 2012. 63 / 69
- 108. Apêndice Referências Bibliográcas Referências Bibliográcas IV Furgeri, Sérgio and Rodrigues, Silvia CM and da Silva, Simone M Tecnologias associadas ao diagnóstico do Câncer de Mama Reverte-Revista de Estudos e Reexões Tecnológicas da Faculdade de Indaiatuba, 2011. Feital, João Carlos Da Silva and Delgado, José Ubiratan and others UMA METODOLOGIA PARA COMPROVAR O APARECIMENTO DE CASOS DE CÂNCER DEVIDOS À DOSE DE RADIAÇÃO NA MAMA COMPRIMIDA 2013. 64 / 69
- 109. Apêndice Referências Bibliográcas Referências Bibliográcas V Caldas, Flávio Augusto Ataliba and Isa, HLVR and Trippia, Andréa Cristina and others Controle de qualidade e artefatos em mamograa Radiol Bras, SciELO Brasil, 2005. Radiopaedia.org Mammography views Disponível em: http://radiopaedia.org/articles/mammography-views. Acesso em: 02/05/2015. 65 / 69
- 110. Apêndice Referências Bibliográcas Referências Bibliográcas VI Diaz-Huerta, CC and Felipe-Riveron, EM and Montaño-Zetina, LM Quantitative analysis of morphological techniques for automatic classication of micro-calcications in digitized mammograms Expert Systems with Applications, Elsevier,2014. Otsu, Nobuyuki A threshold selection method from gray-level histograms. Automatica, 1975. 66 / 69
- 111. Apêndice Referências Bibliográcas Referências Bibliográcas VII Linguraru, Marius George and Marias, Kostas and English, Ruth and Brady, Michael A biologically inspired algorithm for microcalcication cluster detection. Medical image analysis, Elsevier, 2006. 67 / 69
- 112. Apêndice Referências Bibliográcas Referências Bibliográcas VIII GONZALEZ, R. C; WOODS, R. E. Processamento digital de imagens. 3. ed. Pearson Prentice Hall, 2010. De Paredes, Ellen Shaw Atlas of mammography Lippincott Williams Wilkins, 2007. Kopans, Daniel B and Bertuol, Mauro Imagem da mama Medsi, 2000. 68 / 69
- 113. Apêndice Referências Bibliográcas Obrigado pela atenção! 69 / 69