Segmentação de imagens ultrassonográficas para detecção de nódulos

• Main Author: Paula Zitko Alves Ramos
• Other Authors: Homero Schiabel
• Language: Portuguese
• Published: Universidade de São Paulo 2010
• Subjects: Esquema CAD em mamografia; Nódulo mamário; Ruído speckle; Ultrassom de mama; Breast ultrasound; Detection mass; Mammography CAD scheme; Speckle noise
• Online Access: http://www.teses.usp.br/teses/disponiveis/18/18152/tde-06052010-153523/

O câncer de mama é um dos maiores problemas de saúde para a população feminina, devendo ser encarado como um importante problema de saúde pública. A ultrassonografia é considerada o método mais efetivo na complementação de diagnóstico de doenças mamárias, porém a forma de aquisição desse método diagnóstico degrada a imagem sob diversas formas, destacando-se o ruído speckle, o qual deixa a imagem com aspecto granulado, dificultando assim a separabilidade entre os objetos da cena. Este trabalho apresenta uma técnica automática para segmentação de nódulos mamários em imagens de ultrassom. O algoritmo permite a extração das bordas nodulares, permitindo assim a obtenção de parâmetros clínicos utilizados no diagnóstico mamário. Todo o processo se baseia em três etapas: minimização do ruído speckle, aumento de contraste da imagem e por fim, a segmentação. A técnica utilizada para minimização do ruído speckle baseia-se na Wavelet da família Symlet; técnicas para aumento de contraste na imagem são aplicadas para a segmentação. A partir daí, é aplicado o algoritmo de segmentação Asterisco, originalmente proposto para a detecção de microcalcificações em mamografias por raios X, e que mostrou também eficiência para os objetivos deste trabalho. A técnica Asterisco em conjunto com as de pré-processamento (minimização de ruído e aumento de contraste) produziu taxa de sensibilidade na detecção de nódulos da ordem de 90%. Em relação à qualidade da segmentação, a técnica apresentada neste trabalho também se mostrou satisfatória, superior às técnicas testadas, de acordo com a análise feita pelo cálculo de coeficientes de correlação de Pearson. É possível concluir que o sistema desenvolvido neste trabalho pode constituir-se numa ferramenta eficaz de segmentação de nódulos mamários em imagens de ultrassom, auxiliando o conjunto de informações disponíveis para um classificador automático em esquemas CAD em mamografia. === Breast cancer is one of the main health problems of the female population and should be faced as an important public health care issue. The ultrasound scanning is considered the most effective in complementary method of breast diagnosis. Nevertheless, the acquisition format of this sort degrades the images in various ways, being the speckle noise of noticeably influence once it leaves the image with grainy aspect. Therefore, the separability between objects of the scene is hindered. This work presents an automatic technique of ultrasound image segmentation of breast lumps. The algorithm allows the extraction of the nodular edges permitting the clinical parameters to be obtained for the breast diagnosis. All the process is based on three steps: speckle noise minimization, image contrast intensification and finally the segmentation. The technique used on the speckle noise minimization is based on the Wavelet transform of the Symlet family; image contrast intensifications are applied for the segmentation. Thereafter the algorithm of segmentation Asterisco is applied, which is originally proposed to detect micro calcifications in X-ray mammography, and has also shown efficiency regarding the goals of the present work. The Asterisco technique along with the pre processing techniques (noise minimizing and contrast intensification) produced sensitivity rate in nodule detection by 90%. With regard to the segmentation quality, the presented technique has also proved to be satisfactory as it has superior quality to the ones tested according to the analysis made by the Pearson\'s correlation coefficients calculation. Thus, it is possible to conclude that the system, which has been developed in this work, can constitute an efficient breast lumps segmentation tool so as to aid the set of available information to an automatic classifier in mammography CAD schemes.