Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/26600
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Title: Comparação de famílias wavelets para denoising de imagens mamográficas digitais
Alternate title (s): Comparison of wavelet families for denoising of digital mammographic images
Author: Araújo, Ana Clara Castro Pimentel Silva
First Advisor: Patrocínio, Ana Cláudia
First member of the Committee: Carneiro, Pedro Cunha
Second member of the Committee: Andrade, Adriano de Oliveira
Summary: Há um grande interesse da comunidade científica, juntamente com as organizações de saúde, em melhorar o diagnóstico do câncer de mama, visto que é uma das causas principais da morte de mulheres adultas. A técnica mais utilizada para isso, principalmente para estágios iniciais, é a análise da imagem mamográfica da paciente, portanto melhorar a qualidade dessas imagens é uma tarefa fundamental e diretamente ligada ao diagnóstico correto. Para isso, são utilizadas ferramentas matemáticas de processamento para diminuir a quantidade de ruídos presentes na imagem final. Neste trabalho discutimos o uso de diversas famílias de wavelets como técnica de denoising e comparamos os melhores resultados para cada tipo de padrão de mama, separadas segundo a classificação proposta pelo BIRADS™. Um banco de dados contendo quarenta imagens, dez de cada padrão, foi processado no MatLab a fim de obter a quantificação da relação sinal-ruído (SNR) assim como relação sinal-ruído de pico (PSNR). Esses valores de SNR e PSNR foram usados como ferramenta para avaliar os melhores desempenhos. Na literatura quanto maiores os valores de SNR e PSNR, melhor a relação entre sinal-ruído e, portanto, menos ruidosa é a imagem final. Inicialmente, realizou-se 26 testes em quatro imagens (uma de cada padrão de mama) com diferentes famílias wavelets e níveis. Com o resultado desses testes notou-se que, independentemente do padrão de mama, os piores e melhores resultados eram comuns às quatro imagens. Dessa forma, oito wavelets foram selecionadas para o processamento das demais imagens. Os resultados das quarenta imagens foram analisados e o melhor desempenho foi obtido pela wavelet coiflet 3 no nível 1: maior SNR em 82,5% das imagens e maior PSNR em 92,5%. Não mostrou relação com algum padrão de mama específico.
Abstract: There is a big interest of the scientific community with health organizations, to improve the diagnosis of breast cancer, since it is one of the main causes of death in adult women. The most used technique for this, especially for initial stages, is the mammographyc image analysis of the patient, so improving the quality of these images is a fundamental task and directly linked to the correct diagnosis. For this, mathematical processing tools are used to reduce the amount of noise present in the final image. In this paper we discuss the use of several wavelet families as a denoising technique and compare the best results for each type of breast pattern, separated according to the classification proposed by BIRADS ™. A database containing forty images, ten of each pattern, was processed in MatLab in order to obtain signal-to-noise ratio (SNR) quantification as well as peak signal-to-noise ratio (PSNR). These values of SNR and PSNR were used as a tool to evaluate the best performances. In the literature, the higher the SNR and PSNR values, the better the signal-to-noise ratio and, therefore, the less noisy is the final image. Initially, 26 tests were performed on four images (one of each breast pattern) with different wavelet families and levels. With the result of these tests it was noticed that, regardless of breast pattern, the worst and best results were common to all four images. Thus, eight wavelets were selected for the processing of the other images. The results of the forty images were analyzed and the best performance was obtained by the coiflet 3 wavelet at level 1: higher SNR in 82.5% of the images and higher PSNR in 92.5%. It was not related to any specific breast pattern.
Keywords: Mamografia
Wavelets
Denoising
Area (s) of CNPq: CNPQ::ENGENHARIAS
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: ARAÚJO, Ana Clara Castro Pimentel Silva. Comparação de famílias wavelets para denoising de imagens mamográficas digitais. 2018. 32 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Biomédica) - Universidade Federal de Uberlândia, Uberlândia, 2019.
URI: https://repositorio.ufu.br/handle/123456789/26600
Date of defense: 12-Jul-2018
Appears in Collections:TCC - Engenharia Biomédica

Files in This Item:
File Description SizeFormat 
ComparaçãoFamíliasWavelets.pdf2.15 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons