Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais

Detalhes bibliográficos
Autor(a) principal: Menegatti Pavan, Ana Luiza [UNESP]
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/181960
Resumo: 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.
id UNSP_500a62bb41723d1e8c3888937139ec78
oai_identifier_str oai:repositorio.unesp.br:11449/181960
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias DigitaisQuantification of breast dense volume through image process technique in mammography systemsDensidade mamáriavolumetriaprocessamento de imagensEsta 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.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.Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)88881.132793/2016-01Universidade Estadual Paulista (Unesp)Pina, Diana Rodrigues de [UNESP]Universidade Estadual Paulista (Unesp)Menegatti Pavan, Ana Luiza [UNESP]2019-05-08T17:08:20Z2019-05-08T17:08:20Z2019-02-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfapplication/pdfhttp://hdl.handle.net/11449/18196000091620733004064052P0porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-10-20T06:09:15Zoai:repositorio.unesp.br:11449/181960Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T15:28:41.178946Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
Quantification of breast dense volume through image process technique in mammography systems
title Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
spellingShingle Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
Menegatti Pavan, Ana Luiza [UNESP]
Densidade mamária
volumetria
processamento de imagens
title_short Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
title_full Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
title_fullStr Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
title_full_unstemmed Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
title_sort Quantificação do Volume de Densidade Mamária a partir de Técnicas de Processamento de Imagens em Mamografias Digitais
author Menegatti Pavan, Ana Luiza [UNESP]
author_facet Menegatti Pavan, Ana Luiza [UNESP]
author_role author
dc.contributor.none.fl_str_mv Pina, Diana Rodrigues de [UNESP]
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Menegatti Pavan, Ana Luiza [UNESP]
dc.subject.por.fl_str_mv Densidade mamária
volumetria
processamento de imagens
topic Densidade mamária
volumetria
processamento de imagens
description 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.
publishDate 2019
dc.date.none.fl_str_mv 2019-05-08T17:08:20Z
2019-05-08T17:08:20Z
2019-02-18
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/181960
000916207
33004064052P0
url http://hdl.handle.net/11449/181960
identifier_str_mv 000916207
33004064052P0
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128517974523904