Método de simulação da redução da dose de radiação na mamografia digital a partir da análise das características do ruído dos equipamentos mamográficos

• Autor(a) principal: Borges, Lucas Rodrigues
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-24082015-074834/
• topic: Anscombe transformation; Digital mammography; Mamografia digital; Quantum noise; Redução de dose de radiação; Reduction of the radiation dose; Ruído quântico; Transformada de Anscombe

Este trabalho tem como objetivo o desenvolvimento de um novo método para a simulação de redução da dose de radiação em imagens mamográficas clínicas. Assim, estudos sobre a influência da redução da dose de radiação no diagnóstico do câncer de mama podem ser realizados sem que o paciente se exponha a doses extras de radiação. Uma análise preliminar foi realizada para a caracterização do ruído produzido pelo equipamento mamográfico no processo de aquisição da imagem. Essa análise evidenciou a importância de um método local de simulação, uma vez que o ruído depende da posição ao longo do campo. O novo método proposto consiste em ajustar os níveis de cinza e adicionar uma máscara de ruído Poisson, dependente do sinal, nas imagens clínicas adquiridas com a dose de radiação padrão, simulando sua aquisição com doses de radiação reduzidas. A dependência entre ruído e sinal foi criada com o uso da transformada de Anscombe. O desempenho do método proposto foi avaliado utilizando-se imagens mamográficas de um phantom antropomórfico obtidas com diferentes doses de radiação. As imagens simuladas pelo método proposto foram comparadas com as imagens reais. A similaridade entre os espectros de ruído permitiu a comparação de métricas locais da imagem. O erro percentual entre os níveis de cinza das imagens reais e simuladas se manteve inferior a 1%. O ruído adicionado manteve um erro percentual inferior a 1%. Testes de t-Student mostraram que não existe diferença estatística significante (p < 0,05) entre as imagens reais e simuladas pelo método proposto.