Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/43245
ORCID:  http://orcid.org/0000-0003-0039-9042
Document type: Trabalho de Conclusão de Curso
Access type: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 United States
Title: Avaliação do contorno ativo e da influência de pré-processamentos na segmentação de nódulos mamários
Alternate title (s): Evaluation of active contour and the influence of pre-processing on breast nodule segmentation
Author: Cintra, Iasmin Martins
First Advisor: Carneiro, Pedro Cunha
First member of the Committee: Pereira, Adriano Alves
Second member of the Committee: Patrocínio, Ana Claudia
Summary: O câncer de mama é a neoplasia mais comumente diagnosticada do mundo, constituindo um em cada oito diagnósticos de câncer registrados. A detecção precoce e o rastreamento mamográfico de rotina, realizados por meio da mamografia, desempenham um papel fundamental na redução da taxa de morbimortalidade associada à doença e melhoram o prognóstico e a qualidade de vida das pacientes afetadas. O diagnóstico realizado pelos radiologistas torna-se mais assertivo com auxílio do processamento digital de imagens mamográficas, que melhora a visualização de nódulos mamários e a avaliação dos exames mamográficos. Assim, o presente trabalho avalia a segmentação de nódulos em imagens mamográficas baseada em contorno ativo e a influência de técnicas de pré-processamento na qualidade da segmentação. Para a realização dos testes, foram utilizadas 47 imagens contendo nódulos do banco de imagens INbreast. O processamento foi dividido em quatro técnicas de préprocessamento e segmentação: na técnica 1 a imagem original não passou por nenhum pré-processamento, sendo segmentada diretamente; na técnica 2 foi aplicado um filtro de Wiener, precedendo o contorno ativo; na técnica 3 foi utilizada a equalização de histograma adaptativa com limitação de contraste (CLAHE) apenas nos coeficientes de aproximação da transformada discreta de wavelet, seguida pelo contorno ativo; e, por fim, na técnica 4 foram utilizados o filtro de Wiener e a combinação de wavelet com CLAHE, para que então fosse aplicado o contorno ativo. A segmentação por meio do contorno ativo utilizada baseia-se no método level-set sparse field. Os resultados foram avaliados por meio da excentricidade, distância de Hausdorff, quantidade de pixels brancos e da análise visual. Para ambas as análises, quantitativa e qualitativa, o padrãoouro foi estabelecido pelo ground-truth disponibilizado pelo banco de imagens. As métricas forneceram uma análise sobre o formato, precisão e extensão da área do nódulo segmentado, possibilitando uma avaliação mais detalhada do efeito das técnicas utilizadas e a validação da eficácia na segmentação, juntamente à análise visual. Assim, observa-se que, para mamas pertencentes aos padrões a e b, a técnica 1 apresentou os melhores resultados. Já para as mamas mais densas, classificadas como c e d, os melhores resultados foram alcançados com a técnica 3. Portanto, observa-se que o filtro de Wiener afetou negativamente a segmentação. Dessa forma, conclui-se que a densidade mamária e o pré-processamento aplicados influenciam na qualidade da segmentação. De maneira geral, a segmentação por contorno ativo demonstrouse eficaz para todos os tipos de densidades mamárias. No entanto, algumas imagens sofreram sub ou supersegmentação. Para aprimorar os resultados encontrados neste trabalho, há necessidade de uma expansão das análises por meio da utilização de outros tipos de pré-processamento, segmentação e métricas, bem como uma maior quantidade de imagens.
Abstract: Breast cancer is the most commonly diagnosed neoplasm worldwide, representing one in every eight cancer diagnoses recorded. Early detection and routine mammographic screening, performed through mammography, play a fundamental role in reducing the morbimortality rate associated with the disease and improve the prognosis and the quality of life of affected patients. Radiologistconducted diagnoses become more accurate with the aid of digital processing of mammographic images, enhancing the visualization of breast nodules and the interpretability of mammographic examinations. Thus, this study assesses nodule segmentation in mammographic images based on active contour and the influence of preprocessing techniques on segmentation quality. For the conduction of the tests, 47 images containing nodules from the INbreast image database were employed. Processing was divided into four preprocessing and segmentation techniques: technique 1 involved direct segmentation without any preprocessing of the original image; technique 2 applied a Wiener filter before active contouring; technique 3 used adaptive histogram equalization with contrast limited adaptive histogram equalization (CLAHE) only on the approximation coefficients of the discrete wavelet transform, followed by active contour; and, finally, technique 4 involved using the Wiener filter and a combination of wavelet with CLAHE before active contour application. Active contour segmentation was based on the level-set sparse field method. Results were assessed using eccentricity, Hausdorff distance, quantity of white pixels and visual analysis. For both quantitative and qualitative analyses, the gold standard was established by the ground-truth provided by the image database. The metrics provided an analysis of the format, precision, and extent of the segmented nodule area, allowing a more detailed evaluation of the effects of the techniques used and the validation of segmentation efficacy alongside visual analysis. Thus, it was observed that, for breasts categorized under a and b density patterns, technique 1 yielded the best results. Conversely, for denser breasts classified as c and d patterns, the best results were achieved with technique 3. Therefore, the Wiener filter was found to negatively impact segmentation. Consequently, it is concluded that breast density and applied preprocessing significantly influence segmentation quality. Overall, active contour segmentation proved to be effective for all types of breast densities. However, some images experienced under or over-segmentation. To enhance the findings in this study, there is a need to expand the analysis by utilizing other types of preprocessing, segmentation, and metrics, as well as a larger quantity of images.
Keywords: Câncer de mama
Mamografia
Segmentação
Contorno Ativo
Filtro de Wiener
Wavelet
CLAHE
Breast cancer
Mammography
Segmentation
Active Contour
Wiener Filter
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA
Language: por
Country: Brasil
Publisher: Universidade Federal de Uberlândia
Quote: CINTRA, Iasmin Martins. Avaliação do contorno ativo e da influência de pré-processamentos na segmentação de nódulos em imagens mamográficas. 2023. 78 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Biomédica) – Universidade Federal de Uberlândia, Uberlândia, 2023.
URI: https://repositorio.ufu.br/handle/123456789/43245
Date of defense: 1-Dec-2023
Appears in Collections:TCC - Engenharia Biomédica

Files in This Item:
File Description SizeFormat 
AvaliacaoContornoAtivo.pdf2.13 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons