Pré-processamento de Imagens Mamográficas Digitais: Uma ... - SBIS

sbis.org.br

Pré-processamento de Imagens Mamográficas Digitais: Uma ... - SBIS

Pré-processamento de Imagens Mamográficas Digitais: Uma Técnicapara Realce de Microcalcificações no domínio da freqüênciaLarissa Cristina dos Santos Romualdo 1 , Marcelo Andrade da Costa Vieira 2 ,Cláudio Eduardo Góes 3 , Homero Schiabel 41,2,3,4 Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas (LAPIMO)Universidade de São Paulo (USP)/Escola de Engenharia de São Carlos (EESC), São Carlos, BrasilResumo - Este artigo apresenta uma técnica de pré-processamento para realce de microcalcificações emimagens mamográficas digitalizadas baseada no filtro passa banda do tipo Butterworth no domínio dafreqüência. Os parâmetros para o filtro são obtidos através de especificações de freqüência de corte elargura de banda que define a dimensão das estruturas que deve ser realçadas pelo filtro. Neste caso, ofiltro foi ajustado para realçar a banda correspondente do tamanho típico das microcalcificações emimagens mamográficas, a fim de melhorar a eficiência de um esquema de diagnóstico auxiliado porcomputador (CAD). Resultados utilizando uma técnica bem conhecida para detecção de microcalcificaçõesdemonstrou melhor performance usando as imagens realçadas pelo filtro proposto.Palavras-chave: Mamografia, filtro passa-banda Butterworth, microcalcificações, esquemas CAD, realce.Abstract - This work proposes a preprocessing technique to enhance microcalcifications on digitizedmammographic images based on a frequency domain band pass Butterworth filter. The parameters for thefilter are obtained from specifications of cutoff frequency and band width that define the dimension of thestructures that should be enhanced by the filter. In this case, it was adjusted to enhance the correspondingband of typical sizes of microcalcifications in mammographic images, in order to improve the efficiency of acomputer-aided diagnosis (CAD) scheme. Results with a well known processing technique to detectmicrocalcifications showed better performance using images enhanced by the proposed filter.Key-words: Mammography, band pass Butterworth filter, microcalcifications, CAD scheme, enhancement.IntroduçãoO câncer de mama é o tipo de câncer quemais se manifesta e com maior índice demortalidade entre as mulheres brasileiras. Adetecção precoce do câncer de mama poderepresentar um aumento de 40% na chance decura dos pacientes [1].Neste sentido, a mamografia é exame maisapropriado para detecção precoce do câncer demama, uma vez que possibilita a detecção visualde possíveis estruturas que evidenciem apresença ou ausência deste tipo de câncer [2].Todavia, a avaliação do exame mamográfico ésubjetiva, requerendo grande habilidade doradiologista. Nas últimas décadas, técnicascomputacionais vêm sendo desenvolvidos com opropósito de detectar automaticamente estruturasque possam estar associadas a tumores nosexames de mamografia, visando melhorar a taxade detecção precoce de estruturas de interesseligadas ao câncer de mama [1, 2].Esses esquemas de processamento sãoconhecidos como sistemas CAD (“ComputerAided Diagnosis”), e já estão presentes emdiversos centros de diagnóstico por imagem,principalmente em países do primeiro mundo,como EUA e alguns países da Europa [3].Os sistemas CAD fornecem uma segundaopinião, auxiliando o radiologista na interpretaçãode resultados que em muitos casos torna-se difícildevido às distorções que este tipo de imagemsofre no seu processo de aquisição.Um sinal aparente que revela a existência decâncer de mama é a presença de pequenasestruturas conhecidas como microcalcificações.Visando à detecção e a caracterização dasmicrocalcificações, diversas técnicas deprocessamento têm sido propostas. No entanto,por se tratar de estruturas de pequena dimensão(entre 0,2mm e 0,5mm de diâmetro), um dosrequisitos indispensáveis para um bomdesempenho desses esquemas deprocessamento é uma imagem de boa qualidade[4]. Estudos anteriores evidenciaram que aeficácia de um esquema CAD é completamentedependente da qualidade da base de imagensutilizada [5]. Deste modo, torna-se importantepara um esquema CAD que, antes doprocessamento para detecção das estruturas,seja efetuado um pré-processamento para realcedessas imagens, assegurando que o esquema dedetecção tenha o melhor desempenho possível.Assim, esse trabalho propõe odesenvolvimento de um algoritmo de préprocessamentopara o realce demicrocalcificações em imagens mamográficas


digitais baseado no filtro passa-banda do tipoButterworth (FPBB). Esse filtro, quando aplicadono domínio da freqüência, leva em consideraçãoo tamanho das estruturas a serem realçadas epode ser ajustado para realçar apenas aquelaspresentes em um determinado intervalo devalores. Nesse caso, ajustando o filtro para orealce da faixa correspondente às dimensõestípicas das microcalcificações em imagensmamográficas, é possível fazer com que apenasessas estruturas sejam realçadas. Desta forma,esse pré-processamento processamento pode contribuir não sóna detecção visual de microcalcificações peloradiologista, mas também para aumentar odesempenho de esquemas computacionais deauxílio ao diagnóstico.Na equação (1), D(u,v) é distância do ponto(u,v) até a origem do plano de freqüências; D 0 é afreqüência de corte; n é a ordem do filtro e W é alargura da banda [6].Os componentes de freqüência são cada vezmais atenuados na imagem à medida que seafastam de D 0 , pois o filtro possui transição suavedeterminada pela ordem do filtro de Butterworthcomo é ilustrado na Figura 2. Devido a estascaracterísticas do FPBB, o mesmo foi escolhidopara o desenvolvimento da técnica de realce demicrocalcificações.MetodologiaO realce de uma imagem no domínio dafreqüência pode ser obtido a partir do produto datransformada de Fourier da imagem com umafunção de transferência H(u,v). A transformadainversa do resultado será a imagemtransformada.Dentre as diversas técnicas de realce, o filtropassa-banda de Butterworth (FPBB) possui acaracterística de permitir que sejam mantidas naimagem apenas as freqüências espaciais queestão dentro de um determinado intervalo(banda). Os outros componentes, que estão forada faixa de freqüências definidas na construçãodo filtro, são removidos da imagem.A freqüência central da banda é conhecidacomo freqüência de corte (D 0 ) do filtro. A Figura 1a seguir mostra a imagem de um FPBB nodomínio da freqüência. O “anel” mais claro naimagem representa o intervalo de freqüênciasespaciais que são mantidos na imagem.Figura 1: Filtro passa-banda de ButterworthO filtro passa-banda 2D de Butterworth podeser construído a partir da Equação 1:(1)Figura 2: Filtro Passa-Banda Butterworth comordens 1 a 5Fundamentado no FPBB, o filtro de realceproposto neste trabalho tem como objetivo realçaras microcalcificações nas imagens mamográficasdigitais. Dessa forma, o filtro deve ser construídode forma a realçar objetos de freqüência espacialque correspondam às dimensões dasmicrocalcificações. Para esse trabalho, foiconsiderado que as microcalcificações têmtamanhos entre 0,2 mm e 0,5 mm de diâmetro [1].Assim, para a construção do filtro, foi utilizada afreqüência de corte D 0 =3,5 ciclos/mm e largura debanda W=3,0 ciclos/mm. Com isso, o filtrorealçará estruturas que estão dentro da faixa defreqüências espaciais entre 2,0 ciclos/mm e5,0 ciclos/mm, o que corresponde aos tamanhosaproximados das microcalcificações.A imagem submetida ao algoritmodesenvolvido deve, primeiramente, sertransformada em uma imagem quadrada 2 n ,maior ou igual ao dobro da imagem original, paraeliminar o ruído de borda produzido pela filtragemno domínio da freqüência.Segundo [6], uma das soluções mais comunsque pode ser utilizada para atenuar o problemado ruído de borda é a de preenchimento por zeros(zero padding). Essa técnica consiste emadicionar ao redor da imagem pixels de valorzero, antes da utilização da transformada deFourier. Após o processamento, os pixelsexcedentes de borda que foram adicionados naimagem devem ser retirados, fazendo com que aimagem processada tenha o mesmo tamanho daimagem original. A seguir o FPBB é criado de


acordo com os parâmetros definidos parafreqüência de corte e largura de banda. Pararealçar a imagem, multiplica-se o filtro criado pelaimagem no domínio da freqüência e calcula-se atransformada inversa de Fourier.O FPBB mostrado na Figura 1, definido pelaequação (1), entretanto, atenua ou retira daimagem componentes que estão fora da bandapassante, o que não seria ideal para essetrabalho. Assim, o FPBB original deve sermodificado para que os componentes que estãofora da faixa definida pela largura de bandapermaneçam na imagem sem alteração, e asfreqüências que estão dentro da banda passantesejam realçadas. Isso é feito somando umaconstante de valor 1,0 no filtro original, conformeilustra a Figura 3 a seguir.Essas imagens foram obtidas com omamógrafo Philips Mammo Diagnostic MD4000,instalado no Setor de Mastologia do Hospital SãoPaulo (UNIFESP). Para a digitalização, foiutilizado um scanner a laser modelo Lumiscan 75(Lumisys Inc., , EUA). As imagens foramdigitalizadas com resolução de contraste de 3800níveis de cinza (12 bits) e com tamanho de pixelde 0,085 mm.Figura 3: Imagem do Filtro passa-banda deButterworthO algoritmo do FPBB aqui desenvolvido foiimplementado em JAVA utilizando o compiladorNetBeans 6.1, juntamente com outrasfuncionalidades para processamento de imagenscomo recortes, zoom, e um controlador de realceonde o usuário pode escolher a porcentagem derealce a ser aplicado na imagem. Dessa forma,desenvolveu-se um algoritmo que utiliza de formasimples e rápida, informações a respeito dadimensão da estrutura a ser realçada pelo FPBB.ResultadosPara avaliar o desempenho do filtro de realceaqui desenvolvido, foram utilizadas duas imagensmamográficas de um phantom de certificação(modelo 18-220 da Nuclear Associates – EUA).Esse phantom contém diversas regiões deinteresse com agrupamentos demicrocalcificações, fibras e nódulos (Figura 4).A motivação em se avaliar o desempenho doalgoritmo de realce aqui proposto utilizandophantom, , é o fato de que através do gabarito dophantom sabemos onde estão localizadas asmicrocalcificações e seus reais tamanhos. Destaforma, podemos avaliar se o algoritmo está ounão realçando as estruturas turas que o filtro se propõea realçar.(a)(b)Figura 4: Phantom de certificação modelo 18-220utilizado nos testes experimentais. (a) imagemobtida com o mamógrafo Philips MammoDiagnostic MD4000; (b) Gabarito fornecido pelofabricante contendo as regiões de interessecontidas em seu interior. As estruturas de 7 a 11correspondem a agrupamentos de seismicrocalcificações de tamanhos conhecidos:(7) 0,54mm; (8) 0,40mm; (9) 0,32mm; (10)0,24mm e (11) 0,16mm.O efeito do FPBB desenvolvido para realce demicrocalcificações em imagens de mamografia foiavaliado utilizando 20 regiões de interessepreviamente selecionadas nas imagens dephantom digitalizadas: 10 regiões contendoagrupamentos de microcalcificações e 10 regiõesque não continham microcalcificações. Todas asimagens foram realçadas pelo filtro desenvolvido,totalizando 40 imagens: 20 originais e 20realçadas.Após o realce destas imagens, estas foramsubmetidas a um algoritmo de detecçãoautomática de microcalcificações, paracomparação dos resultados obtidos entre asimagens originais e as imagens realçadas peloFPBB.O algoritmo de detecção utilizado,desenvolvido em trabalho prévio [7], utilizatécnicas clássicas de processamento esegmentação de imagens para detectarautomaticamente microcalcificações em imagensmamográficas. Para os testes, foi escolhida atécnica de segmentação de Nishikawa [8]presente no algoritmo de detecção automática demicrocalcificações. A Figura 5 ilustra algunsresultados obtidos com o algoritmo de detecçãoautomática de microcalcificações. As imagens daesquerda (a) e (c) são as microcalcificaçõesdetectadas pelo sistema quando utilizadas as


imagens originais e as imagens da direita (b) e (d)ilustram as microcalcificações detectadas quandoutilizadas as imagens realçadas pelo FPBB.Tabela 1: Resultados obtidos com oprocessamento das imagens de phantom. (DP =desvio padrão; O = imagem original; R = imagemrealçada pelo FPBB; VP = verdadeiro positivo;FN = falso negativo; VN = verdadeiro negativo;FP = falso positivo)(a)(b)VP FN VN FPDP O R O R O R O R4,0 68,3 76,7 31,7 23,3 91,7 88,3 8,3 11,74,5 66,7 70,0 33,3 30,0 93,3 90,0 6,7 10,05,0 65,0 66,7 35,0 33,3 95,0 95,0 5,0 5,05,5 63,3 66,7 36,7 33,3 95,0 95,0 5,0 5,0Discussão e Conclusões(c)(d)Figura 5: Resultados obtidos com o programa dedetecção automática de microcalcificações. (a) e(c) Imagens originais; (b) e (d) Imagens realçadaspelo FPBB.Foram calculadas as taxas de acerto paratodas as 40 regiões de interesse (ROIs) extraídasda imagem do phantom, , 20 ROIs originais (semrealce) e 20 ROIs pré-processadas processadas pelo filtro derealce proposto. Elas foram divididas das da seguinteforma: as 20 ROIs que continhammicrocalcificações (10 originais e 10 préprocessadas)foram utilizadas para o cálculo dataxa de acerto (verdadeiro positivo - VP) e erro(falso negativo - FN) do algoritmo de detecção. Asoutras 20 ROIs que nãocontinhammicrocalcificações foram utilizadas para calculodas taxas de verdadeiro negativo (VN) e falsopositivo (FP). Todos os cálculos foram feitosseparadamente para as imagens originais e paraas imagens realçadas.A Tabela 1 mostra os resultados obtidos comos testes do algoritmo de detecção. O desviopadrão (DP) corresponde a um parâmetro desegmentação presente no algoritmo de detecção,e que pode ser alterado pelo usuário. Quantomenor for o desvio padrão, mais sinais serãodetectados, mas, ao mesmo tempo, aumenta-se onúmero de falsos positivos. O valor do desviopadrão deve ser utilizado para se obter o melhordesempenho, o que corresponde ao ponto ondese consegue a maior taxa de acerto (VP) para amenor taxa de erro (FP).Os resultados obtidos mostraram que asimagens realçadas pelo FPBB proposto nessetrabalho melhoram o desempenho de umesquema automático de detecção demicrocalcificações (houve um ligeiro aumento nastaxas de verdadeiro positivo quando utilizadas asimagens realçadas). Na Figura 5, imagens a e c,por exemplo, verifica-se que no processamentodas imagens originais registraram-se oito falsosnegativos, já que cada agrupamento contém seismicrocalcificações, mas somente quatro foramdetectadas (das doze existentes). Ao utilizar asmesmas ROIs, mas agora realçadas pelo filtro(imagens b e d), o número de estruturasdetectadas aumentou significativamente (novemicrocalcificações foram detectadas), reduzindoos casos de falso negativo para três. Além disso,as estruturas realçadas na imagem (d)correspondem a estruturas extremamentepequenas (0,24mm) o que demonstra umaimportante contribuição do filtro para o realce deestruturas que são difíceis de detectar devido aseu tamanho reduzido.As estruturas na imagem que possuem altafreqüência espacial, ou seja, menor dimensão,são realçadas pelo filtro de forma diferente que asestruturas de baixa freqüência espacial, já que ofiltro é seletivo em função da freqüência de cortee largura de banda. Isso é interessante porque asestruturas de menor dimensão são justamente asque sofrem maior degradação no processo deformação da imagem, em função das limitaçõesdo sistema de aquisição que foi utilizado.Um dos resultados mais relevantesencontrados nesse trabalho foi a reduçãosignificativa nos casos de falso negativo nadetecção de microcalcificações (Tabela 1). Naprática, um falso negativo pode significar um casode câncer não detectado e, por isso, o grandeobjetivo dos esquemas CAD são exatamenteacabar com os casos de falso negativo, mesmoque isso produza um ligeiro aumento nos casos


de falso-positivo. Apesar disso, um pequenoaumento no desvio padrão do esquema podefavorecer um aumento na detecção seguido deuma redução dos falso-positivos, o que ébastante significativo no ponto de vista dorastreamento do câncer de mama.Ainda em relação à análise da Tabela 1 deacerto e erro, podemos observar que: se oesquema for calibrado para operar com umdesvio padrão fixo, o uso das imagens realçadasaumenta a taxa de acerto (verdadeiro-positivo),mas, ao mesmo tempo, aumenta também a taxade erros do esquema (falso-positivo). Contudo, aose elevar o desvio padrão do esquema,consegue-se um aumento na taxa de acerto doesquema, se comparado com os valores obtidoscom as imagens não-realçadas e DP mais baixo,acompanhada de uma diminuição da taxa defalso-positivos. Isso mostra que, ao se utilizarimagens de melhor qualidade, deve-se tambémelevar o nível de confiabilidade do esquema àsimagens processadas, que no caso do algoritmoutilizado nesse trabalho, significa aumentar ovalor do desvio padrão do esquema. Isto faz comque haja uma boa melhora no desempenho dadetecção, com uma melhor taxa de acerto emimagens positivas (verdadeiro-positivo) seguidade uma diminuição da taxa de erros em imagensnegativas (falso-positivo).Apesar de não ter sido utilizado um esquemaCAD completo para a avaliação dos algoritmospropostos, a detecção automática de estruturasde interesse é uma das etapas mais importantesnum esquema CAD, pois é nesta etapa que serãoselecionadas quais estruturas serão classificadaspelo CAD [1].Os resultados mostram que o préprocessamentopode melhorar a qualidade dasimagens mamográficas, realçando as estruturasque não seriam visualizadas por um radiologistaou detectadas por um esquema CAD pelo baixocontraste que estas estruturas possamapresentar. Assim, as imagens apresentaramcaracterísticas que contribuíram para um melhordesempenho do esquema de processamentoutilizado nesse trabalho. Para melhoresresultados, novos testes deverão ser realizados,considerando um maior número de imagens eoutras técnicas de processamento. Entretanto,resultados preliminares indicaram que o préprocessamentode imagens mamográficas podeser uma ferramenta útil para o auxílio na detecçãoprecoce do câncer de mama.AgradecimentosÀ CAPES pelo apoio financeiro e ao HospitalSão Paulo, por permitir a utilização de um deseus mamógrafos para a obtenção das imagensaqui utilizadas.Referências[1] Dengler J, Behrens S, Desaga JF.Segmentation of microcalcifications inmammograms. IEEE Trans. Med. Imaging,1993. v. 12, p. 634-642.[2] Giger ML. Computer-aided diagnosis of breastlesions in medical images. Computing inScience & Engineering, 2000. v. 2, p.39-45.[3] Taylor PM, Champness J, Given-Wilson RM,Potts HWW, Johnston K. An evaluation of theimpact of computer-based prompts on screenreaders’ interpretation of mammograms. BritishJournal of Radiology, 2004. v.77, p. 21-27.[4] Nishikawa RM; Giger ML, Doi K, Metz CE, YinF-F, Vyborny CJ, Schmidt RA. Effect of caseselection on the performance of computeraideddetection schemes, Medical Physics,1994. v. 21, p. 265-269.[5] Vieira M.A.C. Metodologia Baseada nasFunções de Transferência para Préprocessamentode Imagens MamográficasDigitais e sua Aplicação em EsquemaComputacional de Auxílio ao Diagnóstico.Tese de Doutorado, Departamento deEngenharia Elétrica, EESC/USP, São Carlos,2005.[6] Gonzalez RC, Woods RE. Digital ImageProcessing, 3nd ed., Upper Saddle River, NJ:Prentice-Hall; 2007.[7] Goes CE, Schiabel H, Nunes FLS. Evaluationof microcalcifications segmentation techniquesfor dense breast digitized images, Journal ofDigital Imaging, 2001. v. 15 (Suppl. 1), p. 231-233.[8] Nishikawa RM; Giger ML, Doi K, Metz CE, YinF-F, Vyborny CJ, Schmidt RA. Computer-aideddetection of clustered microcalcifications: animproved method for grouping detectedsignals, Medical Physics, 1993. v. 20, p.1661-1666.ContatoLarissa Cristina dos Santos RomualdoMestranda em Engenharia ElétricaLaboratório de Análise e Processamento deImagens Médicas e Odontológicas,Departamento de Engenharia Elétrica, EESC-USP.Avenida Trabalhador São-carlense, 400.São Carlos, SP, 13566-590.lromualdo@sel.eesc.usp.br


Prof. Dr. Marcelo Andrade da Costa VieiraLaboratório de Análise e Processamento deImagens Médicas e OdontológicasDepartamento de Engenharia Elétrica, EESC-USP.Avenida Trabalhador São-carlense, 400.São Carlos, SP, 13566-590.mandrade@sel.eesc.usp.brCláudio Eduardo GóesLaboratório de Análise e Processamento deImagens Médicas e OdontológicasDepartamento de Engenharia Elétrica, EESC-USP.Avenida Trabalhador São-carlense, 400.São Carlos, SP, 13566-590.cegoes@gmail.comProf. Dr. Homero SchiabelLaboratório de Análise e Processamento deImagens Médicas e OdontológicasDepartamento de Engenharia Elétrica, EESC-USP.Avenida Trabalhador São-carlense, 400.São Carlos, SP, 13566-590.hschiabel@sel.eesc.usp.br

More magazines by this user
Similar magazines