Autor(es):
Rodrigues, Roberto Filipe Rito 
Data: 2013
Identificador Persistente: http://hdl.handle.net/10400.21/2693
Origem: Repositório Científico do Instituto Politécnico de Lisboa
Assunto(s): Radiologia; Mamografia; CAD; Computer-Aided Detection; Modelo de tumor; Equalização; Rede neuronal; Radiology; Mammography; Tumor-like template; Equalization; Neural network
Descrição
Mestrado em Radiações Aplicadas às Tecnologias da Saúde - Área de especialização: Imagem Digital por Radiação X. Este trabalho consistiu no desenvolvimento e avaliação da eficácia de um sistema de CAD (Computer-Aided Detection) concebido para detetar nódulos circunscritos em imagens de mamografia. Este sistema baseia-se no estabelecimento de um modelo matemático dos nódulos, tal como foi proposto no trabalho de Lai, et al. Para que este modelo matemático possa ser utilizado da forma mais eficaz, verificámos que deveria ser aplicada, inicialmente, uma operação de manipulação das imagens mamográficas por equalização de histograma. Em seguida, são obtidas diversas imagens de correlação cruzada entre cada imagem mamográfica e os modelos geométricos dos nódulos, através de uma operação de convolução. Após esta etapa, avaliou-se a eficácia na deteção de nódulos do programa desenvolvido através dos descritores estatísticos habitualmente utilizados na avaliação do desempenho de classificadores binários (sensibilidade, especificidade) dando, no entanto, grande atenção ao número de falsos positivos produzidos. No trabalho de Lai, et al., a redução do número de falsos positivos é feita utilizando uma técnica baseada na análise de percentis, a qual é complementada por dois testes baseados em análises de vizinhança e de histograma dos valores de correlação cruzada obtidos. No entanto, estes métodos de natureza heurística requerem a definição de valores limiar, os quais devem ser definidos pelo utilizador. No entanto, julgamos que uma abordagem desta natureza é questionável, pois está dependente da otimização destes valores, o que pode comprometer a sua aplicabilidade em novos contextos. Por esse motivo, optámos pelo desenvolvimento de um método computacional de classificação (e de redução de falsos positivos) baseados numa rede neuronal. ABSTRACT - This work consisted in developing and evaluating the efficacy of a CAD (Computer-Aided Detection) system designed to detect circumscribed nodules on mammography images. This program is based on the use of different geometric model of the nodules, as proposed in Lai et al. In our work, all mammographic images were initially histogram equalized in order to increase local contrast of the visible structures. Then, multiple cross-correlation images were obtained between each mammographic image and the geometric models of the nodules through a convolution operation. After this step, we evaluated the efficacy of the developed program through the statistical descriptors usually used in evaluating the performance of binary classifiers (sensitivity, specificity), having a special attention to the number of false positives produced. In the work of Lai et al., the reduction in the number of false positives is attained through the use of a percentile analysis technique aimed at determining the threshold of the cross-correlation coefficients corresponding to the putative lesion(s) in each image. This technique is further complemented by two tests, based on neighborhood and histogram analysis. However, this false positives’ reduction technique relies in some heuristic assumptions, which require a definition of threshold values by the user. We believe that such approach is questionable because it depends on the optimization of these values, which may compromise its applicability in new contexts. For this reason, we have decided to develop a computational technique for classification (and reduction of false positives) based on a neural network.
