Técnica automática de detecção de nódulo mamário usando informações de multivisão

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

29/10/2009

RESUMO

O Instituto Nacional de Câncer relata que são diagnosticados mais de 49 mil novos casos de câncer de mama e aproximadamente 9 mil óbitos ocorrem em sua decorrência todos os anos. A mamografia é uma das técnicas mais empregadas para auxiliar no diagnóstico da doença em estágio inicial. Nas últimas duas décadas os sistemas computacionais de apoio à detecção (Computer-Aided Detection - CADe) vêm sendo desenvolvidos com o objetivo de auxiliar os especialistas na detecção de nódulo mamário em imagens mamográficas. Apesar dos sistemas terem proporcionados contribuições relevantes, ainda há problemas relacionados a taxa de sensibilidade e a grande maioria analisam as visões Crânio-Caudal (CC) e Médio-Lateral Oblíqua (MLO) de forma independente. Em algumas situações, detectam anormalidades em apenas uma das visões, sendo considerados inconsistentes pelos especialistas se uma determinada lesão, semelhante em ambas as visões, não for encontrada. Com isso, há uma redução na confiabilidade e nos benefícios oferecidos pelos sistemas. O presente trabalho apresenta um conjunto de ferramentas computacionais desenvolvidas para auxílio à detecção de lesões provocadas por nódulo mamário em ambas as visões dos mamogramas. Para eliminação de informações relacionadas ao paciente, inicialmente, foi desenvolvido um algoritmo para eliminação desses artefatos. Em seguida, um método de realce baseado em transformada wavelet Coiflet foi aplicado para realçar as informações da imagem. Então, um método para segmentação automática de lesões, por meio de limiarização multi-modal baseado em transformada wavelet e algoritmo genético, foi desenvolvido para detecção de nódulo mamário em ambas as visões. As ferramentas desenvolvidas foram aplicadas sobre um conjunto de imagens obtidas da base de dados de domínio público DDSM (Digital Database for Screening Mammography). Os métodos desenvolvidos permitiram à detecção de anormalidades em ambas as visões, porporcionando uma taxa de 95,6% de verdadeiro positivo e 1,37 de falso positivo por imagem.

ASSUNTO(S)

transformada wavelet algoritmo genético imagem mamográfica diagnóstico auxiliado por computador segmentação de nódulos mamários raios x bioengenharia

ACESSO AO ARTIGO

Documentos Relacionados