Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
Carregando...
Data
2019-02-18
Autores
Orientador
Pina, Diana Rodrigues de 
Coorientador
Pós-graduação
Farmacologia e Biotecnologia - IBB
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Tese de doutorado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Esta pesquisa teve como objetivo o desenvolvimento um novo algoritmo objetivo, confiável, reprodutível e de baixo custo para estimar com precisão o percentual do volume de DM (PDM) em mamografias digitais processadas, produzidas por sistema de radiologia computadorizada (CR). Para atingir esse objetivo três etapas foram adotadas: (i) Foi desenvolvido um algoritmo a ser utilizado como pré-processamento da imagem para realçar os tecidos presentes na região periférica da imagem mamográfica. Os resultados obtidos foram comparados com outras metodologias descritas na literatura, utilizando o valor médio dos pixels, skweness, kurtosis e por análise gradativa visual. Dentre os métodos avaliados a metodologia desenvolvida foi a que obteve os melhores resultados; (ii) Foi desenvolvido um algoritmo para segmentar a área do tecido fibroglanduar da imagem mamográfica. A segmentação foi realizada através da otimização da técnica de Fuzzy C-Means with Variable Compactness (FCMVC). As imagens obtidas foram classificadas conforme a área de tecido fibroglandular e comparados com a avaliação do BI-RADS. O resultado dessa comparação apresenta 67,8% de classificação correta, com coeficiente de correlação de Spearman de ρ = 0,618, para p <0,001. A estatística de Bland-Altman não mostrou diferenças significativas (viés de -0,20 ± 1,52) entre os dois métodos. O coeficiente kappa de Cohen foi de 0,47, sugerindo uma concordância moderada; (iii) Finalmente foi utilizada a segmentação e quantificação resultante da aplicação do FCMVC. Nesse procedimento, utilizou-se a relação sinal-ruído diferencial para quantificar o volume de tecido fibroglandular. A partir desta medida, foi estimada a PDM em exames de mamografia. Os resultados obtidos foram comparados com dados obtidos por metodologia de quantificação utilizando exames de ressonância magnética (RM). A regressão linear dos valores PDM por mamografia e RM foi de R2=0,821. A diferença percentual média entre ambas modalidades foi de 3,39±2,69% e o coeficiente de Pearson foi de 0,91, indicando forte associação entre os métodos. A estatística de Bland-Altman não mostrou diferenças significativas entre os métodos. O novo algoritmo desenvolvido nesta pesquisa é objetivo, preciso e de baixo custo. Esse algoritmo pode auxiliar diretamente na prática clínica, na recomendação de rastreamento personalizado, em escolhas de estratégias preventivas para o tratamento de câncer de mama, de modo a avaliar a eficácia de drogas terapêuticas.
Resumo (inglês)
The aim of this research was to develop of a new, reliable, reproducible and low cost algorithm to accurately estimate the percentage of breast density (PBD) in processed digital mammograms, produced by computerized radiology (CR) system. To achieve this goal, three steps were taken: (i) An image preprocessing algorithm was developed to enhance tissues present in the peripheral region of the mammographic image. The obtained results were compared with other methodologies described in the literature, using the mean value of the pixels, skewness, kurtosis and by visual gradient analysis. The methodology developed was the one that obtained the best results; (ii) An algorithm was developed to segment the area of the fibroglandular tissue in mammographic image. This segmentation was performed through the optimization of the Fuzzy C-Means with Variable Compactness (FCMVC) technique. The images obtained were classified according to the area of fibroglandular tissue and compared with the BI-RADS evaluation. The results of this comparison presented 67.8% of correct classification, with Spearman's correlation coefficient of ρ = 0.618, for p <0.001. The Bland-Altman statistic did not show significant differences (bias of -0.20 ± 1.52) between the two methods. Cohen's kappa coefficient comparing the performance of the algorithm with the visual evaluation for the different BI-RADS scores was 0.47, suggesting a moderate but encouraging agreement; (iii) Finally, the segmentation and quantification resulting from the FCMVC application was used. In this procedure, the differential signal-to-noise ratio was used to quantify the volume of fibroglandular tissue. From this measure, PBD was estimated in mammography exams. The results obtained were compared with data obtained by quantification using magnetic resonance imaging (MRI). The linear regression of PDB values by mammography and MRI was of R 2 = 0.821. The mean percentage difference between both modalities was 3.39 ± 2.69% and the Pearson coefficient was 0.91, showing the strong association between the methods. In addition, the Bland-Altman statistic did not show significant differences between mammography and MRI methods. The new algorithm developed in this research is objective, accurate and has low cost. This algorithm can directly aid in clinical practice, in the recommendation of personalized screening, in the choice of preventive strategies for the treatment of breast cancer, in order to evaluate the efficacy of therapeutic drugs.
Descrição
Palavras-chave
Idioma
Português