Marlene Dalila Sampaio da Silva
Análise Computacional de Imagens de Mamografia para Apoio ao
Diagnóstico - Deteção e Caraterização de Calcificações
Monografia
Mestrado em Engenharia Biomédica
Faculdade de Engenharia da Universidade do Porto
Porto, Julho de 2013
Marlene Dalila Sampaio da Silva
Licenciada em Biomecânica pela Escola Superior de Tecnologia e Gestão (2009)
Análise Computacional de Imagens de Mamografia para Apoio ao
Diagnóstico - Deteção e Caraterização de Calcificações
Monografia realizada sob a orientação de:
Prof. Doutor João Manuel R. S. Tavares (orientador)
Departamento de Engenharia Mecânica
Faculdade de Engenharia da Universidade do Porto
Monografia
Mestrado em Engenharia Biomédica
Faculdade de Engenharia da Universidade do Porto
Porto, Julho de 2013
Marlene Silva
i
Agradecimentos
Gostaria de agradecer a algumas pessoas que foram importantes para a realização deste
trabalho.
Ao Professor Doutor João Manuel R. S. Tavares pela orientação, disponibilidade e apoio.
E à minha família por todo carinho e compreensão.
Marlene Silva
ii
Resumo
A mama é um órgão par e simétrico, presente em ambos os sexos mas que apenas se
desenvolve na mulher. Estatísticas apontam que o cancro da mama é uma das patologias
mamárias com maior probabilidade de morte em Portugal e nos países ocidentais. Este
resulta da transformação maligna das células e tem a capacidade de desenvolver
metástases. Por isso, é importante que seja detetado numa fase precoce, onde a
probabilidade de cura é superior. Nesse âmbito é de destacar a mamografia como
método de diagnóstico. A mamografia tem como objetivo a análise do tecido mamário, e
nela podem ser detetadas as calcificações mamárias. Apresentando-se em tonalidades
mais claras em relação aos restantes tecidos da mama, porém são difíceis de detetar
devido ao reduzido tamanho, variedade de formas e distribuição. Sistemas CAD
(diagnostico assistido por computador) têm como principal objetivo melhorar a acurácia e
a interpretação das mamografias. Nesse âmbito o processamento de imagem tem vindo a
ganhar realce. O seu objetivo é a extração de informação útil das imagens médicas, para
isso, um dos métodos mais importantes é a segmentação de imagem. A segmentação de
imagem tem como finalidade a divisão da imagem original em regiões homogéneas, isto
é, que respeitam uma ou mais características. Esta pode ser dividida em dois grandes
grupos, métodos baseados no domínio das imagens e baseados no domínio das
características. As pesquisas de deteção das calcificações e classificação das
mamografias têm sido objetos de estudo pelos pesquisadores, tendo sido publicados
vários trabalhos até aos dias de hoje.
Palavras-chave:
Cancro da mama
Calcificações mamárias
Mamografia
Sistemas CAD
Processamento e análise de imagem
Segmentação de imagem
Marlene Silva
iii
Abstract
The breast is a symmetrical and pair organ, present in both sexes but that only develops
in women. Statistics demonstrate that breast cancer is one of the breast pathologies with
highest probability of death in Portugal and in western countries. This develops from a
malignant cell transformation that has the ability to metastasize. Therefore, it is important
to detect it at an early stage, where the probability of cure is higher. In this context it is
worth noting the mammography as a method of diagnosis. Mammography aim is to
analyze breast tissue, and detected breast calcifications in this tissue, in which lighter
hues relatively to remain tissues represent a calcification. However, those are difficult to
detect due to its small size, variety of shapes and distribution. The main objective of CAD
(computer aided diagnosis) systems is to improve the accuracy and interpretation of
mammograms. As a result image processing has gained emphasis. Its goal is to extract
useful information from medical images, and so for this, one of the most useful
approaches is image segmentation. Image segmentation aim is to divide the original
image into homogeneous regions, i.e., that respect one or more characteristics. This can
be divided into two main groups, methods based on image domain and features domain.
Research about calcifications detection and mammography classification has been an
object of study for researchers, having published several works up to today.
Key-words
Breast cancer
Breast calcifications
Mammography
CAD systems
Image processing and analysis
Image segmentation
Marlene Silva
iv
Índice
CAPÍTULO 1 – INTRODUÇÃO .......................................................................................................... 1
1. ENQUADRAMENTO ...................................................................................................................... 2
2. OBJETIVOS ................................................................................................................................ 2
3. ESTRUTURA ............................................................................................................................... 2
CAPÍTULO 2 – A MAMA ................................................................................................................. 4
2.1. ESTRUTURA EXTERNA ................................................................................................................ 6
2.2. ESTRUTURA INTERNA ................................................................................................................ 7
2.3. QUADRANTES DA MAMA ............................................................................................................ 8
2.4. MODIFICAÇÕES DA ESTRUTURA DA MAMA ...................................................................................... 9
2.4.1. Pré-puberdade ............................................................................................................. 9
2.4.2. Puberdade.................................................................................................................... 9
2.4.3. Gravidez e lactação ...................................................................................................... 9
2.4.4. Menopausa ................................................................................................................ 10
CAPÍTULO 3 – PATOLOGIAS MAMÁRIAS ...................................................................................... 12
3.1. QUISTOS MAMÁRIOS............................................................................................................... 13
3.2. FIBROADENOMA .................................................................................................................... 13
3.3. PAPILOMAS .......................................................................................................................... 13
3.4. DOENÇA FIBROQUÍSTICA DA MAMA............................................................................................. 14
3.5. MASTITE .............................................................................................................................. 14
3.6. CANCRO DA MAMA ................................................................................................................. 15
3.6.1. Tipos .......................................................................................................................... 15
a) Carcinoma ductal in situ................................................................................................... 16
b) Carcinoma lobular in situ ................................................................................................. 16
c) Carcinoma ductal invasivo ................................................................................................ 16
d) Carcinoma lobular invasivo .............................................................................................. 16
e) Cancro inflamatório da mama .......................................................................................... 16
3.6.2. Estádios ..................................................................................................................... 17
3.6.3. Fatores....................................................................................................................... 17
3.6.4. Tratamento do cancro ................................................................................................ 18
3.6.5. Epidemiologia ............................................................................................................ 19
CAPÍTULO 4 – CALCIFICAÇÕES MAMÁRIAS .................................................................................. 21
4.1. CARACTERÍSTICAS ................................................................................................................... 23
4.1.1 Tamanho..................................................................................................................... 23
4.1.2. Número ...................................................................................................................... 24
Marlene Silva
v
4.1.3. Densidade .................................................................................................................. 24
4.1.4. Forma ........................................................................................................................ 24
4.1.5. Distribuição ................................................................................................................ 25
4.2. BI-RADS (BREAST IMAGING REPORTING AND DATA SYSTEM) ........................................................... 25
4.3. CLASSIFICAÇÃO ...................................................................................................................... 26
4.3.1.
Tipicamente benignas ............................................................................................. 26
4.3.2.
Preocupação intermediaria ..................................................................................... 27
4.3.3.
Tipicamente malignas ............................................................................................. 27
CAPÍTULO 5 – MÉTODOS DE DIAGNÓSTICO ................................................................................. 29
5.1. MAMOGRAFIA ...................................................................................................................... 30
5.2. SISTEMAS CAD (DIAGNOSTICO ASSISTIDO POR COMPUTADOR) ......................................................... 32
CAPÍTULO 6 – SEGMENTAÇÃO DE IMAGEM ................................................................................. 35
6.1 Métodos baseados no domínio das características.......................................................... 37
a) Métodos de Thresholding ................................................................................................. 37
1) Thresholding global ......................................................................................................... 38
2) Thresholding local ............................................................................................................ 38
3) Thresholding dinâmico/adaptativo................................................................................... 39
b) Clustering ........................................................................................................................ 39
1) Hierárquicos .................................................................................................................... 39
2) Model-based.................................................................................................................... 39
3) Fuzzy-clustering ............................................................................................................... 40
4) Hard clustering ................................................................................................................ 40
6.2. Métodos baseados no domínio das imagens .................................................................. 40
a) Region-based ................................................................................................................... 40
1) Region- Growing .............................................................................................................. 40
2) Split-and-Merge ............................................................................................................... 41
3) Waterhed transform ........................................................................................................ 41
b) Boundary-based............................................................................................................... 42
1) Deformable models.......................................................................................................... 42
2) Edge-based ...................................................................................................................... 42
CAPÍTULO 7 – ESTADO DA ARTE .................................................................................................. 44
CAPITULO 8 – CONCLUSÃO .......................................................................................................... 51
FONTES DE INFORMAÇÃO ........................................................................................................... 54
BIBLIOGRAFIA .............................................................................................................................. 54
OUTRAS REFERÊNCIAS .................................................................................................................... 60
Marlene Silva
vi
Marlene Silva
vii
Índice de Figuras
FIGURA 1 - REPRESENTAÇÃO DA ESTRUTURA EXTERNA DA MAMA [FONTE: (NETTER,2007)] ............................................... 6
FIGURA 2 - REPRESENTAÇÃO DA ESTRUTURA INTERNA DA MAMA FEMININA [FONTE: (TORTORA,2012).] ............................... 8
FIGURA 3 - REPRESENTAÇÃO DOS QUADRANTES DA MAMA [FONTE: (MOORE, 2006)] ...................................................... 8
FIGURA 4 - TIPOS MORFOLÓGICOS DAS MICROCALCIFICAÇÕES [FONTE: (MOURÃO, 2009)] .............................................. 24
FIGURA 5 -TIPOS DE DISTRIBUIÇÃO DAS MICROCALCIFICAÇÕES [FONTE: (MOURÃO, 2009)].............................................. 25
FIGURA 6- MAMOGRAFIA COM INCIDÊNCIA MLO; A – INCIDÊNCIA MLO DA MAMA DIREITA; B - INCIDÊNCIA MLO DA MAMA
ESQUERDA; [FONTE: (ENGELAND, 2003)]
................................................................................................... 31
FIGURA 7 - MAMOGRAFIA COM INCIDÊNCIA CC; A – INCIDÊNCIA CC DA MAMA DIREITA; B - INCIDÊNCIA CC DA MAMA ESQUERDA;
[FONTE: (ENGELAND, 2003)] ................................................................................................................... 32
Marlene Silva
viii
Índice de Tabelas
TABELA 1 - ESTÁDIOS DO CANCRO DA MAMA [FONTE: (DICIONÁRIO COISO)] ................................................................. 17
TABELA 2- CLASSIFICAÇÃO BI-RADS [FONTE: (QUADROS, 2003)] ............................................................................ 26
Marlene Silva
ix
Marlene Silva
x
Monografia
FEUP
CAPÍTULO 1 – INTRODUÇÃO
1. Enquadramento
2. Objetivos
3. Estrutura
Marlene Silva
1
Monografia
FEUP
CAPÍTULO 1 – INTRODUÇÃO
1. Enquadramento
O cancro da mama é a segunda causa de morte em mulheres em Portugal. O cancro
resulta da proliferação exagerada das células da mama, que adquirem características
atípicas, constituindo um tumor, que tem a capacidade de desenvolver metástases. Por
isso, ele deve ser detetado numa fase precoce onde a probabilidade de cura é superior.
O cancro da mama pode manifestar-se através de calcificações. As calcificações
mamárias, são pequenos depósitos de cálcio que conforme as suas características
podem se classificar como tipicamente benignas, preocupação intermediaria e
tipicamente malignas. Dos métodos de diagnóstico, a mamografia é o método mais
utilizado. O seu objetivo é a análise do tecido mamário. As calcificações podem ser
detetadas nas mamografias. Nesse âmbito o processamento de imagem tem vindo a
ganhar realce. Desde há muito que tem sido propostos sistemas CAD com o objetivo da
deteção e classificação das calcificações mamárias.
2. Objetivos
De acordo com o tema de tese “Análise Computacional de Imagens de Mamografia para
Apoio ao Diagnóstico - Deteção e Caraterização de Calcificações” a presente monografia
teve como objetivo geral uma revisão bibliográfica sobre o tema. Os objetivos mais
específicos esperados com a realização deste trabalho foram a pesquisa, apresentação e
compreensão de tópicos acerca do tema, nomeadamente, sobre as patologias e
calcificações mamárias, dos métodos de diagnóstico, dos métodos de processamento e
análise de imagem e a identificação do estado da arte associado.
3. Estrutura
O relatório está dividido em 8 capítulos. Nos capítulos 2, 3, 4, 5, e 6 são apresentados
alguns fundamentos teóricos acerca do tema, nomeadamente, a mama, patologias
mamárias, calcificações mamárias, métodos de diagnóstico e processamento de imagem,
respetivamente. No capítulo 7 é apresentado o estado da arte e por fim, no capítulo 8 são
apresentadas as conclusões do trabalho.
Marlene Silva
2
Monografia
Marlene Silva
FEUP
3
Monografia
FEUP
CAPÍTULO 2 – A MAMA
2.1. Estrutura externa
2.2. Estrutura interna
2.3. Quadrantes da mama
2.4. Modificações da estrutura da mama
Marlene Silva
4
Monografia
Marlene Silva
FEUP
5
Monografia
FEUP
CAPÍTULO 2 – A MAMA
A mama também designada por seio é um órgão par e simétrico. Situado na parte
anterior ao tórax, em frente aos músculos peitorais e ao serrátil anterior à direita e
esquerda do esterno (Grays, 2008). Está presente em ambos os sexos, mas apenas se
desenvolve na mulher, durante a adolescência, sob o estímulo de hormonas femininas,
enquanto no homem permanece atrofiado (Fonseca, 1978; Hoyco, 2005). A sua forma e
tamanho dependem de fatores genéticos raciais, dietéticos, idade, paridade e menopausa
(Grays, 2008). Na mulher desempenha um papel muito importante, segregar leite, um
leite próprio para a amamentação do recém-nascido (Fonseca, 1978; Hoyco, 2005). A
sua estrutura histológica varia de acordo com o sexo, idade e estado fisiológico
(Junqueira, 2005).
2.1. Estrutura externa
Na mulher adulta os seios têm uma forma semiesférica ou cónica, sendo a forma, a
consistência e o aspeto geral muito variáveis.
A configuração exterior da mama, como se pode observar na figura 1, apresenta três
zonas: a mais extensa denominada periférica, a média ou aérola, e uma central também
designada por mamilo (Hoyco, 2005).
Figura 1 - Representação da estrutura externa da mama [Fonte: (Netter,2007)]
Marlene Silva
6
Monografia
FEUP
A zona periférica é a mais extensa. Está delimitada pela aérola e pelos tegumentos
vizinhos. Trata-se de uma zona lisa, elástica macia ao tato e com uma coloração idêntica
à da pele.
A zona média ou aérola tem uma coloração acentuadamente mais escura que a restante
pele. Na sua superfície apresenta 12 a 20 pequenos relevos designados tubérculos de
Morgagni, que correspondem a glândulas sebáceas especialmente desenvolvidas.
A zona central, comummente designada mamilo é uma proeminência circular de cor
castanha escura onde convergem os canais da glândula mamária localizada no interior
do órgão. Tem um aspeto irregular e pregueado e é abundantemente preenchido por
terminações nevosas sensoriais. No seu bico encontra-se 12 a 20 pequenos orifícios, que
correspondem às extremidades distais dos canais galactóforos (Fonseca, 1978; Hoyco,
2005; Hoehn, 2009).
2.2. Estrutura interna
As glândulas mamárias (glândulas sebáceas modificadas) são órgãos acessórios do
sistema reprodutor feminino localizado no interior dos seios, que fazem parte da pele e/ou
sistema tegumentar (Hoyco,2005; Hoehn, 2009). Localizam-se entre o músculo peitoral
maior (dois terços) e o músculo serrátil anterior (um terço) (Tortora,2012).
A glândula mamária é constituída por 15 a 25 lobos que se distribuem radialmente em
torno da papila mamária. Estes são acolchoados e separados por um tecido adiposo. O
tecido glandular é constituído por ácinos, que são pequenos sacos cujas paredes estão
revestidas por células especializadas na secreção de leite denominadas alvéolos
(Tortora, 2012). Estes canais vão convergindo e formando outros de maior dimensão
denominados canais galactóforos, que se dirigem para o exterior apresentando uma
dilatação em forma de depósito (canais intralobulares e canais interlobulares), que se
concentram para o mamilo (Hoyco, 2005; Hoehn, 2009). A contração das células
mioepiteliais em torno dos alvéolos ajudam a impulsionar o leite para os mamilos
(Tortora, 2012).
O interior da mama, figura 2, é também constituído pelo tecido conjuntivo formado por
ligamentos suspensores que se estendem desde a fáscia sobre os músculos peitorais
Marlene Silva
7
Monografia
FEUP
maiores para a pele sobre s seios, proporcionando a sustentação natural para as mamas,
impedindo a sua flacidez. Com o aumento da idade estes tendem a enfraquecer e a
alongar, aumentando a tendência a ceder (Selley, 2003; Hoehn, 2009).
A função das glândulas mamárias é a lactação, isto é, a síntese, secreção e ejeção de
leite.
Figura 2 - Representação da estrutura interna da mama feminina [Fonte: (Tortora, 2012).]
2.3. Quadrantes da mama
Para uma eficaz localização anatómica das alterações observadas na mama e para uma
melhor descrição de tumores, a superfície da mama é dividida em quatro quadrantes, o
superior lateral, superior medial, o inferior lateral e o inferior medial, como se pode
verificar na figura 3. Pode também ser utilizada uma analogia com as horas, isto é,
recorrendo aos ponteiros do relógio para a localização o tumor.
Figura 3 - Representação dos quadrantes habitualmente considerado para estudos
da mama [Fonte: (Moore, 2006)]
Marlene Silva
8
Monografia
FEUP
2.4. Modificações da estrutura da mama
Ao longo da vida, a glândula mamária vai sofrendo modificações importantes, desde o
desenvolvimento da glândula no esboço embrionário, até a menopausa, passando pela
puberdade e gravidez (Fonseca, 1978; Hoyco, 2005).
2.4.1. Pré-puberdade
A mama neonatal contém dutos lactíferos, mas sem alvéolos. Até a puberdade existe
pouca ramificação dos dutos e ocorre um ligeiro crescimento do estroma fibroso e
gordura (Grays, 2008).
2.4.2. Puberdade
No sexo masculino, os seios mantém a forma achatada. Enquanto no sexo feminino, os
seios aumentam de tamanho e o mamilo começa a ficar proeminente. Isto resulta da
acumulação de tecido adiposo e tecido conjuntivo, derivada do crescimento e ramificação
dos ductos lactíferos causada pelo aumento da quantidade de estrogénios ováricos
(Junqueira, 2005).
Durante o ciclo menstrual, a estrutura histológica das glândulas mamárias sofre
pequenas alterações. Estas alterações coincidem com o pico de estrogénio provocando
uma maior hidratação do tecido conjuntivo na fase pré-menstrual proporcionando o
aumento do peito (Junqueira, 2005).
2.4.3. Gravidez e lactação
Durante a gravidez, as glândulas mamárias sofrem um intenso crescimento devido à
ação de várias hormonas, como os estrogénios, progesterona, prolactina e o lactogénio
da placenta humana (Junqueira, 2005). Estas hormonas provocam a proliferação dos
alvéolos nas extremidades das condutas terminais, até ao final do quinto mês de gravidez
(Selley, 2003). Os alvéolos são agrupamentos de células epiteliais que se convertem nas
estruturas de secreção de leite na lactação (Junqueira, 2005).
Marlene Silva
9
Monografia
FEUP
Quando o leite está a ser produzido, este passa dos alvéolos numa serie de túbulos
secundários e em seguida nas condutas mamárias. Perto do mamilo, os dutos mamários
expandem e formam os seios lactíferos, onde pode ser armazenado leite para posterior
secreção (Tortora, 2012).
Quando uma mulher está a amamentar, a ação da criança estimula os recetores táteis do
mamilo, resultando na libertação da hormona oxitocina pituitária posterior, que provoca a
contração das células mioepiteliais em alvéolos e dutos, resultando na secreção de leite
(Junqueira, 2005).
Após a interrupção da amamentação, grande parte dos alvéolos sofre degeneração,
sendo reabsorvidos e os lóbulos encolhem (Junqueira, 2005; Selley, 2003).
Produção de leite é estimulada pela prolactina a partir da hipófise anterior com a
contribuição de progesterona e estrogénios.
A ejeção de leite é estimulada pela ocitocina, que é libertada pela pituitária posterior em
resposta à sucção da criança no mamilo da mãe (Tortora, 2012).
2.4.4. Menopausa
Após a menopausa, ocorre a redução do tamanho e a atrofia das estruturas secretoras,
dos lóbulos e ductos (Gray, 2008). Sucedem-se também alterações atróficas no tecido
conjuntivo (Junqueira, 2005).
Marlene Silva
10
Monografia
Marlene Silva
FEUP
11
Monografia
FEUP
CAPÍTULO 3 – PATOLOGIAS MAMÁRIAS
3.1.
Quistos mamários
3.2.
Fibroadenoma
3.3.
Papilomas
3.4.
Doença fibroquística da mama
3.5.
Mastite
3.6.
Cancro da mama
Marlene Silva
12
Monografia
FEUP
CAPÍTULO 3 – PATOLOGIAS DA MAMA
As patologias mamárias podem ser de origem benigna ou malignas, mas a maioria são
benignas e não colocam em risco a vida do paciente. Alguns dos sintomas mais
frequentes abrangem a dor mamária (mastalgia), alterações da forma da mama e do
mamilo, nódulos e a secreção do mamilo (Torres, 2008)
3.1. Quistos mamários
Consistem em bolsas cheias de líquido que surgem nas mamas. Desconhece-se a
origem, mas pensa-se eu pode estar relacionada com alguma lesão. São muito
frequentes e têm tamanho variável. Devem ser analisados pois podem apresentar sinais
precoces de cancro (Torres, 2008).
3.2. Fibroadenoma
Os fibroadenomas são nódulos benignos, pequenos e sólidos, de consistência viscosa,
formados por tecido fibroso e glandular (Torres, 2008). Podem surgir em qualquer
momento, mas caracterizam-se pelo aparecimento em mulheres jovens e adolescentes.
Estes caracterizam-se pelo reduzido diâmetro (2 a 5 cm), consistência elástica e não
aderente à pele, e pela sua facilidade de deslocação (Hoyco, 2005).
3.3. Papilomas
Os papilomas são tumores benignos formados por uma proliferação exagerada de células
epiteliais que revestem o interior dos canais galactóforos. Normalmente, desenvolve-se
um papiloma isolado num canal galactóforo principal próximo do mamilo, mas por vezes,
surgem em canais de menor calibre, distantes do mamilo e agrupados (Hoyco, 2005).
Marlene Silva
13
Monografia
FEUP
3.4. Doença fibroquística da mama
É uma patologia comum, caracteriza-se pelo desenvolvimento do tecido fibroso e
formações quísticas no peito. Manifesta-se através da dor mamária e nódulos benignos
(Torres, 2008).
Durante o ciclo menstrual, as concentrações das hormonas, estrogénios e progesterona,
tornam-se inconstantes. Quando as concentrações aumentam, as glândulas que
produzem leite, os seus canais aumentam de tamanho e as mamas retém líquido,
voltando à normalidade. Justificando assim o inchaço e sensibilidade sentidos durante um
momento específico do ciclo menstrual. As alterações fibroquísticas podem ser devidas
da estimulação persistente causadas por estas hormonas.
A doença fibroquística pode aumentar o risco de cancro da mama, podendo aumentar
também a dificuldade de o detetar (Torres, 2008).
3.5. Mastite
É uma inflamação na mama, comumente provocada por uma infeção. A sua evolução
depende de caso para caso, podendo ser aguda ou de desenvolvimento crónico.
A mastite aguda é usualmente consequência de uma de uma infeção bacteriana,
provocada por microrganismos que alcançam o interior da mama. Os microrganismos
costumam entrar pelo mamilo através dos orifícios galactóforos. Gerando a uma maior
frequência na fase da amamentação.
A mastite cronica é um processo inflamatório com uma evolução lenta e progressiva.
Deve-se normalmente a uma infeção aguda mal curada ou um abcesso que não foi
totalmente drenado (Hoyco, 2005).
Marlene Silva
14
Monografia
FEUP
3.6. Cancro da mama
O cancro é um acumulo de células de uma classe especifica que pode ocorrer de uma
proliferação aumentada ou um erro de diferenciação celular, podendo levar ao
impedimento fatal dos órgãos ou tecidos afetados (Zanetti,2011). Estes podem ser
classificados por malignos, quando podem ser fatais e por benignos, quando inofensivos
(Tortora,2012).
Os tumores malignos apresentam a capacidade de sofrer metástases, isto é, a
propagação de células cancerosas para outras partes do corpo. À medida que o cancro
cresce, este começa a competir com os tecidos normais e com os nutrientes existentes,
provocando a diminuição do tecido normal e a sua morte (Tortora, 2012). Geralmente
espalha-se através dos vasos linfáticos, que carregam as células cancerosas da mama
para os nódulos linfáticos, principalmente os presentes na axila. As células cancerosas
podem também espalhar-se a partir das mamas pelas vias venosas até as vertebras e de
lá para o cérebro e crânio. O cancro pode-se também espalhar por continuidade, isto é,
invasão dos tecidos adjacentes. Um sinal de cancro avançado é quando as células
cancerosas invadem o tecido retro mamário, anexam-se ou invadindo a fáscia peitoral
que cobre o músculo peitoral maior (Moore, 2006). A dor associada é devida ao bloqueio
das passagens do órgão das suas secreções, proporcionando a acumulação de pressão
e resultando assim a morte dos tecidos e órgãos (Tortora, 2012).
3.6.1. Tipos
O cancro da mama é classificado de acordo com o tipo de tecido em que este tem inicio e
de acordo com o alcance da sua propagação (Torres, 2008).
Existem vários tipos de cancro de mama, usualmente decorrentes das células epiteliais
dos dutos lactíferos nos lóbulos da glândula mamária (Moore, 2006). Estes podem-se
classificar por carcinoma ductal (que se inicia no revestimento dos dutos de leite do peito)
e carcinoma lobular (que se inicia nos lóbulos onde o leite materno é produzido) (Azar,
2000). Existe também um tipo raro de cancro que se inicia no tecido adiposo, o sarcoma
(Torres, 2008).
Marlene Silva
15
Monografia
FEUP
a) Carcinoma ductal in situ
Encontra-se limitado aos canais galactóforos. Ano invade o tecido circundante, mas pode
propagar-se ao longo dos canais e afetar gradualmente uma área importante da mama.
Este representa 20% a 30% dos caos de cancro da mama (Torres, 2008).
b) Carcinoma lobular in situ
Inicia-se dentro das glândulas produtoras de leite e desenvolve-se normalmente em
várias zonas das mamas. Este apresenta 1 a 2% da probabilidade de cancro da mama.
As mulheres com este tipo de carcinoma apresentam a probabilidade de 30% de contrair
cancro invasivo durante os 24 anos seguintes (Torres, 2008).
c) Carcinoma ductal invasivo
Inicia-se nos canais galactóforos mas atravessa a parede destes e invade o tecido
circundante. Pode propagar-se para outras partes do corpo e representa 60 a 80% dos
cancros da mama (Torres, 2008).
d) Carcinoma lobular invasivo
Inicia-se nas glândulas produtoras de leite, mas invade o tecido mamário circundante e
difunde-se para outras partes do corpo. Representa 10 a 15% dos casos de cancro da
mama (Torres, 2008).
e) Cancro inflamatório da mama
É de crescimento rápido e é frequentemente fatal. As células cancerígenas obstruem os
vasos linfáticos que se encontram na pele da mama, originando uma inflamação,
apresentando-se avermelhada, quente e tumefata. Geralmente propaga-se aos gânglios
linfáticos da axila e estes podem apalpar-se sob da forma de protuberâncias duras.
Representa cerca de 1% dos cancros deste órgão (Torres, 2008).
Marlene Silva
16
Monografia
FEUP
3.6.2. Estádios
O conhecimento dos estágios permite aos médicos definirem o tratamento mais
apropriado e elaborar um prognóstico. O estádio significa atribuir um grau a um cancro,
quando é diagnosticado, com base no seu avanço.
Na tabela 1 são indicados os vários estádios e a sua descrição.
Estádio
Descrição
O tumor encontra-se limitado ao canal mamário ou a glândula
0
produtora de leite e não invadiu o tecido circundante (carcinoma in
situ).
I
O tumor tem diâmetro inferior a 2 cm e não se propagou para
além da mama.
O tumor tem diâmetro superior a 2 cm e inferior a 5 cm. E/ou
II
propagou-se pelo menos a um gânglio linfático da axila do mesmo
lado do tumor.
O tumor tem diâmetro superior a 5 cm e/ou propagou-se aos
gânglios linfáticos; o tumor pode independentemente do seu
III
tamanho, propagar-se pela pele, à parede torácica ou aos gânglios
linfáticos que se encontram sob a mama dentro do peito.
O tumor independentemente do seu tamanho, propagou-se
IV
aos órgãos distantes ou aos tecidos, como pulmões ou ossos, ou a
gânglios linfáticos afastados da mama.
Tabela 1- Estádios do cancro da mama [Fonte: (Torres, 2008)]
3.6.3. Fatores
Vários fatores foram associados ao desenvolvimento do cancro da mama, tais como:
- Idade: quando maior a idade, maior a probabilidade de contrair o cancro da
mama. Estudos revelam que 60% dos cancros da mama surgem em mulheres a partir
dos 60 anos, porém depois dos 75 o risco é inferior;
- Cancro da mama anterior: mulheres que tiveram cancro da mama in situ ou
invasivo apresentam maior risco de voltar a contrair cancro;
Marlene Silva
17
Monografia
FEUP
- Historial familiar de cancro da mama: a existência de cancro da mama num
familiar de primeiro grau ou consanguíneo (mãe, irmã, filha) aumenta o risco duas a três
vezes;
- Gene do cancro da mama: quando a mulher apresenta genes (BRCA1 e BRCA2)
a sua probabilidade de contrair cancro da mama é muito elevada. As mulheres
apresentam maior probabilidade de possuir estes genes, são aquelas que apresentam
um historial de cancro da mama nas três últimas gerações;
- Doença fibroquística da mama: nas mulheres com elevado número de células
nos canais mamários e que padeceram desta doença apresentam grande probabilidade
de apresentar cancro na mama;
- Idade de passagem à puberdade: mulheres que ficaram menstruadas antes dos
12 anos de idade e depois dos 15 anos, apresentam maior risco de padecer de cancro da
mama;
- Idade da primeira gravidez e da menopausa: quanto mais tarde tiver lugar a
menopausa e a gravidez, maior o risco;
- Uso prolongado de contracetivos orais ou terapêuticos de substituição com
estrogénios: a terapêutica de substituição de hormonas que combina o estrogénio com a
progestina aumenta o risco de cancro da mama, porem diminui o risco de cancro no colo
do útero;
- Obesidade depois da menopausa: este cancro é um pouco mais elevado em
mulheres pós-menopáusicas obesas;
- Exposição de radiação: a exposição continuada ou intensa antes dos 30 anos de
idade, aumenta a probabilidade de a mulher vir a padecer de cancro;
- Nuliparidade, casos onde a mulher nunca tenha tido um filho ou quando o
primeiro filho foi depois dos 35 anos de idade elevam o risco de cancro da mama;
- Tabagismo;
-Consumo excessivo de álcool (Torres, 2008; Tortora, 2012).
3.6.4. Tratamento do cancro
O tratamento do cancro da mama tem como objetivo a morte das células cancerígenas.
Este objetivo é alcançado através de terapia hormonal, quimioterapia, radioterapia e a
mastectomia (Tortora, 2012).
Marlene Silva
18
Monografia
FEUP
Este objetivo é alcançado através da ação de raios-X ou lasers (que provocam a quebra
de cromossomas e consequentemente bloqueia a divisão celular), pela remoção cirúrgica
do tumor e pelo tratamento do paciente através de drogas (quimioterapia). Estas drogas
matam rapidamente as células, dividem-nas e reduzem o fornecimento de sangue para a
zona tumoral (Selley, 2003). Muitas vezes estes tratamentos são usados em simultâneo
(Tortora, 2012). Os problemas destas terapias é que em alguns tipos de cancro não se
conseguem remover completamente, e estes tratamentos podem também matar o tecido
normal adjacente ao tecido tumoral. Muitos dos medicamentos usados, podem para além
de matar as células tumorais, matar tecidos em crescimento, como por exemplo, a
medula óssea, onde novas células do sangue são produzidas, podendo provocar a
anemia (Selley, 2003).
3.6.5. Epidemiologia
O cancro da mama aumentou de forma muito significativa nas últimas três ou quatro
décadas do século XX, sobretudo nos chamados países desenvolvidos [1]. Todavia, temse registado uma diminuição na mortalidade desde o início da década de 90.
O cancro da mama é considerado o segundo tipo de cancro mais comum nas mulheres,
seguidos do cancro da pele e é o segundo tipo de cancro com taxas mais elevadas de
morte sucessivo ao cancro pulmonar (Torres, 2008).
Em Portugal, o cancro da mama é o cancro com mais incidência. Anualmente a sua
ocorrência tem vindo a aumentar, surgindo cerca de 5000 novos casos por ano. Todos os
anos morrem cerca de 1500 mulheres, e por isso há que realçar a deteção precoce visto
que 90% dos casos são curáveis se forem detetados a tempo e tratados corretamente
[1].
É importante estar alerta para que este possa ser diagnosticado e tratado numa fase
inicial, quando a possibilidade de cura é maior.
Marlene Silva
19
Monografia
Marlene Silva
FEUP
20
Monografia
FEUP
CAPÍTULO 4 – CALCIFICAÇÕES MAMÁRIAS
4.1.
Características
4.2.
BI-RADS (Breast Imaging Reporting and Data System)
4.3.
Classificação
Marlene Silva
21
Monografia
FEUP
CAPÍTULO 4 – CALCIFICAÇÕES MAMÁRIAS
As calcificações mamárias são depósitos de cálcio que se mobilizam do sangue para os
tecidos, sofrendo alterações de pH, fixando-se sob a forma de sais de cálcio tais como:
Ca3 (PO4)2, CaCO3 e Mg3(PO4)2.
São consideradas resultantes de um aumento da
atividade necrótica celular no complexo lóbulo-ductal, da secreção celular espessada, por
processo degenerativo ou inflamações, causas parasitárias, corpos estranhos ou
cicatrizes (Mourão, 2009).
Estas podem ser encontradas em qualquer zona do tecido mamário, como no interior ou
em torno dos ductos, no estroma glandular, nas estruturas vasculares, nos ácinos, no
tecido adiposo, ou mesmo na pele. Podem ser devidas ao avanço da idade, a
inflamações, traumas, reações a corpos estranhos, devido a radiações, assim como a
processos, tais como, secreção celular ativa e debris celulares necróticos (Dantas, 2002).
De acordo com a etiologia e localização têm forma variável, apresentando-se
puntiformes, ramificadas, lineares, esféricas, “em casca de ovo”, finas, grosseiras,
cilíndricas, lisas, regulares em tamanho e forma heterogéneas.
O cancro da mama pode-se manifestar através de massas ou calcificações na
mamografia (Engeland, 2003). Ao analisar a mamografia é importante a procura de
microcalcificações, pois pode representar a única alteração radiológica visível na
mamografia (Scaranelo, 2004).
A constituição das calcificações proporciona maior absorção de fotões de raios-X quando
comparadas com os outros tecidos da mama. Assim, a diferença de densidade ótica do
filme mamográfico pode ser verificada, visto que, estas apresentam maior média de
níveis de cinza em relação a restante imagem (Nunes, 2000).
As microcalcificações são difíceis de detetar devido ao tecido circundante da mama, a
sua variação em forma e da sua pequena dimensão (Balakumaran, 2010).
A mamografia, além de identificar as calcificações, permite o estudo de suas formas e
distribuição, possibilitando ao radiologista, baseado no conhecimento das estruturas
anatômicas normais e patológicas da mama, identificar suas possíveis origens e
responder, na maioria dos casos, se apresentam características benignas, malignas, ou
Marlene Silva
22
Monografia
FEUP
reconhecer suas limitações e classificá-las como de potencial indeterminado (Vianna,
2002).
O diagnóstico etiológico das calcificações mamárias vem se tornando mais importante a
cada dia, pois quanto mais a tecnologia avança, a qualidade das mamografias é
melhorada, mais e menores calcificações são detetadas, exigindo cada vez mais
respostas precisas do radiologista, quanto ao seu significado, evitando biópsias
desnecessárias nos casos benignos e permitindo o diagnóstico precoce nos casos
malignos (Martins, 2010).
Atualmente tem havido um grande esforço de investigação no desenvolvimento de
métodos computadorizados para deteção automática e precisa de microcalcificações, de
forma a ajudar os radiologistas no diagnóstico do câncer de mama.
De um modo geral, estes métodos de deteção computadorizados aplicam uma variedade
de técnicas de processamento de imagem com o objetivo de aperfeiçoar as imagens para
um melhor realce e deteção das microcalcificações (Jing, 2010).
4.1. Características
De acordo com a sua aparência estas variam em tamanho, número, tipo e distribuição. É
através destas características podem ser classificadas como benignas, intermediárias e
malignas.
4.1.1 Tamanho
Relativamente ao tamanho as calcificações podem-se classificar em dois tipos:
macrocalcificações e microcalcificações. As microcalcificações são as partículas mais
pequenas com diâmetro igual ou inferior a 0.5mm. Já as macrocalcificações são a
aquelas que possuem tamanho superior. Quanto menor o tamanho maior a probabilidade
de lesão maligna (Martins, 2010; Dantas, 2002).
Marlene Silva
23
Monografia
FEUP
4.1.2. Número
Quanto ao número, quanto maior, maior o risco de malignidade. Para que estas sejam
consideradas suspeitas é necessário haver, no mínimo, cinco partículas agrupadas num
volume de 1 cm3 (Martins, 2010; Dantas, 2002).
4.1.3. Densidade
As microcalcificações tipicamente malignas apresentam densidade alta e importante
variação de densidade dentro das partículas e entre as partículas. Portanto, densidade
baixa e pouca ou nenhuma variação de densidade entre as partículas, sugere
benignidade (Martins, 2010; Dantas, 2002).
4.1.4. Forma
A forma é uma das características mais importantes para a apreciação das calcificações.
Quanto maior a heterogeneidade das formas, maior o grau de suspeição de malignidade.
Em 1984 Michèle Le Gal propôs cinco tipos morfológicos das microcalcificações que
podem ser visualizadas na figura 4.
Figura 4 - Tipos morfológicos das microcalcificações [Fonte: (Mourão, 2009)]
As microcalcificações podem ser classificadas quanto ao tipo da seguinte forma:
Tipo 1 - microcalcificações com formas anelares, que correspondem sempre a lesões
benignas.
Tipas 2 - são parecidas com as do tipo 1, mas formam círculos quase regulares e
uniformes. 60% Delas são classificadas como lesões benignas e 22% a lesões malignas.
Tipo 3 - são elementos pequenos, tipo “poeira”, puntiformes, de forma mal definida.
Estas dividem-se entre todos os casos.
Marlene Silva
24
Monografia
FEUP
Tipo 4 -são com formas irregulares, poliédricas, tipo “grão de sal”. Dentre estas, 23%
correspondem a lesões benignas e 66% correspondem a lesões malignas.
Tipo 5 - têm formas vermiculares são ramificadas e também se apresentam com
forma de letras. Estão sempre associadas a lesões malignas (Scaranelo, 2004).
4.1.5. Distribuição
As calcificações podem-se classificar em vários tipos (figura 5) como espalhada/difusas,
quando se encontram distribuídas aleatoriamente por toda a mama, sendo comummente
bilaterais; regionais quando se encontram dispersadas numa área superior a 2cm2 do
tecido mamário; segmentares, quando a sua distribuição sugere depósitos num ducto ou
ramificações; grupos múltiplos, quando há mais de um grupo de calcificações que são
similares na morfologia e na distribuição; agrupadas, quando há mais de cinco
microcalcificações num volume menor de 1cm3; e por fim, em linha, quando dispostas
numa linha que possa ter pontos de ramificação (Dantas, 2002).
Maioritariamente as distribuições espalhadas e regionais estão associadas a processos
benignos, as agrupadas estão associadas tanto aos malignos como aos benignos e as
distribuições segmentares estão mais associadas à malignidade (Martins, 2010).
Figura 5 -Tipos de distribuição das microcalcificações [Fonte: (Mourão, 2009)]
4.2. BI-RADS (Breast Imaging Reporting and Data System)
Com o objetivo de diminuir as discordâncias na descrição e interpretação das
mamografias, melhorar a eficácia dos programas de rastreio mamário e implementar a
qualidade dos pareceres emitidos pelos médicos radiologistas, o American Cancer
Institute e o American College of Surgeons, publicaram em 1993 o BI-RADS, que teve
novas edições em 1995,1998 e 2003.
Marlene Silva
25
Monografia
O
BI-RADS
visou
à
uniformização
da
estrutura,
terminologia,
FEUP
conclusões
e
recomendações de condutas dos pareceres mamográficos. (Resende, 2008) Na tabela 2
estão indicadas as suas diferentes categorias.
Categoria
Interpretação
0
Risco
Recomendação
Inconclusivo
Benigno
Exame adicional
0.05%
Controlo anual a partir dos
1
40 anos
Benigno
0.05%
Controlo anual a partir dos
2
40 anos
3
Provavelmente benigno
Até 2%
Repetir em 6 meses
4 (a, b, c)
Suspeito
>20%
Biopsia
5
Provavelmente maligno
>75%
Biopsia
Lesão já biopsiada e diagnosticada
6
como maligna, mas não retirada ou
100%
tratada
Tabela 2 - Classificação BI-RADS [Fonte: (Quadros, 2003)]
4.3. Classificação
De acordo com as características das calcificações, estas podem ser classificadas por
tipicamente benignas, preocupação intermediária e alta probabilidade de malignidade
(Martins, 2010).
4.3.1. Tipicamente benignas
São vários os tipos de calcificações que apresentam características tipicamente
benignas. Calcificações cutâneas, vasculares, em forma de “pipoca” e “bastões”,
acinares, esféricas, em forma de “casca de ovo” e leite de cálcio, de sutura,
irregulares/distróficas e puntiformes, são exemplos deste tipo de calcificações (Dantas,
2002).
Marlene Silva
26
Monografia
FEUP
4.3.2. Preocupação intermediaria
Esta classificação engloba calcificações amorfas e as heterogéneas grosseiras (Martins,
2010).
4.3.3. Tipicamente malignas
A sua morfologia sugere alta probabilidade de malignidade. Exemplos deste tipo
calcificações, são as calcificações pleomórficas e as calcificações finas ou ramificadas
(Dantas, 2002; Martins, 2010).
Marlene Silva
27
Monografia
Marlene Silva
FEUP
28
Monografia
FEUP
CAPÍTULO 5 – MÉTODOS DE DIAGNÓSTICO
5.1.
Mamografia
5.2.
Sistemas CAD (Diagnostico Assistido por Computador)
Marlene Silva
29
Monografia
FEUP
CAPÍTULO 5 – MÉTODOS DE DIAGNÓSTICO
Para a deteção precoce do cancro da mama existe um vasto leque de métodos de
diagnóstico. Pode-se destacar os autoexames e os exames realizados por
profissionais habilitados, nomeadamente a mamografia, ultrassonografia, ressonância
magnética, entre outros (Fogaça, 2004).
5.1. Mamografia
A mamografia é realizada com o objetivo a recolha de informação sobre as diferenças
existentes no tipo e estruturas dos tecidos que constituem a mama, o que faz desta a
fonte mais importante de no processo diagnóstico (Mourão, 2009).
A mamografia é um exame que tem como objetivo a análise do tecido mamário, que,
realizado com uma reduzida dose de raios-X, oferece imagens de boa qualidade. É
considerada o melhor método para a deteção precoce de patologias na mama, tendo
um papel importante nas decisões terapêuticas a serem adotadas, aumentando assim
a eficácia dos tratamentos e diminuindo as taxas de mortalidade devidas ao cancro da
mama (Tang, 2009).
Existem dois tipos de mamografias, a convencional e a digital.
A mamografia convencional era obtida por aparelhos raios-X primórdios, que não eram
específicos para o tecido mamário, mas destinados ao diagnóstico de qualquer parte
do corpo (Mourão, 2009). Por isso apresentava algumas limitações, tais como: número
limitado de exposição aos raios-X; após a obtenção da imagem, o seu contraste não
pode ser alterado; o seu processamento é lento; e a apresentação de alguns
artefactos (Tang, 2009).
Na década de 60, iniciou-se o fabrico dos primeiros aparelhos específicos para a
mamografia, surgindo a mamografia digital, que foram aprimorados até aos dias de
hoje. (Mourão, 2009).
A mamografia digital tem como principal objetivo a superação das limitações da
mamografia convencional, apresentando algumas vantagens quando comparada com
Marlene Silva
30
Monografia
FEUP
a convencional. Estas vantagens são: o melhoramento do contraste e qualidade das
imagens e também a exposição a uma menor dose de raios-X (Tang, 2009).
A mamografia resulta da compressão da mama, com o fim de distribuir uniformemente
o tecido, evitando assim a sobreposição das estruturas mamárias e diminuindo a dose
de radiação recebida pelo paciente. Assim, com a diminuição da espessura da mama
e a aproximação das estruturas mamárias dá-se uma redução da dispersão da
radiação resultando uma imagem com melhor qualidade e resolução.
Através da mamografia é possível observar estruturas com diferentes contrastes entre
os tecidos. As estruturas mais densas apresentam-se mais claras comparativamente
com as menos densas (Mourão, 2009).
As mamografias, de forma a permitirem a diferença de contrastes entre tecidos e para
permitirem a aquisição de imagens em ângulos diferentes, são realizadas sob duas
incidências, a médio-lateral-obliqua (MLO) e a crânio-caudal (CC).
A incidência MLO mostra uma maior quantidade de tecido mamário e inclui estruturas
externas mais profundas do quadrante superior externo e do prolongamento axilar,
como pode ser observado na figura 6.
A
B
Figura 6 – Exemplo de mamografia com incidência MLO; A - Incidência MLO da mama direita; B Incidência MLO da mama esquerda [Fonte: (Engeland, 2003)]
Marlene Silva
31
Monografia
FEUP
A incidência CC, como pode ser constatado na figura 7 inclui todo o material pósteromedial, completando a médio-lateral-oblíqua. Esta como não inclui a axila, proporciona
uma melhor definição da arquitetura mamária e de lesões (Costa, 2008).
A
B
Figura 7- Exemplo de mamografia com incidência CC; A - Incidência CC da mama direita; B Incidência CC da mama esquerda [Fonte: (Engeland, 2003)]
5.2. Sistemas CAD (Diagnostico Assistido por Computador)
Um dos problemas das mamografias é a dificuldade dos radiologistas interpretarem os
seus resultados. Sendo esta muito suscetível a elevadas taxas de falsos positivos e
falsos negativos (Tang, 2009).
Devido ao elevado número de mamografias que os radiologistas têm de analisar, esta
tarefa torna-se repetitiva e mais susceptível a erros de interpretação, tais como:
- Sobreposição dos tecidos;
- Tamanho e localização das lesões;
- Fadiga ocular;
- Questões ambientais, por exemplo a luz ambiente;
- Falta de qualidade da imagem;
- Falta de estudos comparativos,
- Falta de experiencia por parte de radiologista;
Marlene Silva
32
Monografia
FEUP
- etc. (Porto, 2010).
De forma a solucionar estes problemas, têm vindo a ser apresentadas várias soluções.
Sabendo que o dobro da leitura melhorava significativamente a acurácia dos
diagnósticos, e sabendo que os custos associados eram elevados, surgiu a adoção
dos sistemas CAD (Tang, 2009).
Um Sistema CAD tem como finalidade auxiliar os radiologistas na interpretação das
mamografias. Este sistema, pode ser definido como um diagnóstico elaborado por um
radiologista que utiliza o resultado das análises quantitativas automatizadas de
imagens radiográficas como uma “segunda opinião”, para a tomada de decisões
diagnósticas, melhorando assim a exatidão e consistência da interpretação das
mamografias.
Existem dois tipos de aplicações de sistemas CAD. Um com a finalidade de auxiliar na
deteção de lesões. A partir da localização de padrões anormais e através da varredura
da imagem do computador, deteta agrupamentos de microcalcificações. E a outra com
o objetivo do auxilio ao diagnostico. Nesta, através da quantificação de características
da imagem e da sua classificação através da associação a padrões normais ou
anormais, associa a forma e a quantidade das microcalcificações presentes num
agrupamento como malignas ou não (Marques, 2001).
Os esquemas CAD utilizam técnicas provenientes de duas áreas do conhecimento:
visão computacional, que envolve o processamento de imagem para realce,
segmentação e extração de atributos, e inteligência artificial, que engloba métodos
para seleção de atributos e reconhecimento de padrões (Porto, 2010).
Marlene Silva
33
Monografia
Marlene Silva
FEUP
34
Monografia
FEUP
CAPÍTULO 6 – SEGMENTAÇÃO DE IMAGEM
6.1.
Métodos baseados no domínio das características
6.2.
Métodos baseados no domínio da imagem
Marlene Silva
35
Monografia
FEUP
CAPÍTULO 6 – SEGMENTAÇÃO DE IMAGEM
Nas últimas décadas do século XX a imagiologia médica e a análise de imagem
médica sofreram grandes progressos. Foi descoberta uma nova perspectiva para a
investigação médica e diagnóstico clínico, devido às novas e revolucionárias
modalidades das imagens médicas e ao poder de computação.
As modalidades das imagens médicas são empregadas para a obtenção de dados a
partir dos quais, informação quantitativa fisiopatológica subjacente e informação
qualitativa das doenças de base, são extraídas para visualização e caracterização
ajudando os médicos a formular a terapia mais exata e mais eficaz para os pacientes.
Na medicina diagnóstica e na oncologia clínica, a deteção precoce e a deteção da
localização das doenças são aspetos de grande importância uma vez que podem
melhorar a gestão de sobrevivência dos doentes.
A extração de informação útil e das características de imagens médicas, não é tarefa
fácil, pois requer técnicas especializadas e sofisticadas. O desenvolvimento e
implementação dessas técnicas exigem o conhecimento aprofundado dos problemas
subjacentes, objetivo de estudo, natureza dos dados e o interesse científico e médico.
A segmentação de imagem desempenha um papel crucial na extração de informação
útil e atributos de imagens nas diversas aplicações das imagens médicas. É um dos
passos mais importantes que levam à compreensão da imagem, análise e
interpretação. (Wilson,2005)
O principal objetivo da segmentação de imagem é a partição da imagem original em
regiões/classes/subconjuntos
homogéneos,
e
que
respeitam
uma
ou
mais
características ou funcionalidades. A segmentação de imagem é uma ferramenta
muito importante em análise de imagem e muitas outras aplicações de alto-nível. Uma
dessas aplicações pode ser, por exemplo, a deteção de calcificações em
mamografias.
Na imagiologia médica, a segmentação de imagem permite a extração de
características, a obtenção de medidas, e a exibição de estruturas de interesse. Em
Marlene Silva
36
Monografia
FEUP
algumas aplicações ela pode ser útil para classificar os pixéis da imagem original em
regiões anatómicas como por exemplo, ossos, músculos vasos sanguíneos, assim
como regiões patológicas como de cancro, de deformação de tecidos, esclerose
múltipla (Bankman, 2000).
As técnicas de Segmentação de Imagem são frequentemente divididas em dois
grandes grupos: no domínio das características e no domínio das imagens
Os métodos baseados no domínio das características subdividem-se em duas classes,
isto é, em métodos de Thresholding e Clustering. Os métodos de Clustering, por sua
vez, subdividem-se em métodos de hierárquicos, Model-based, Fuzzy-Clustering e
Hard-Clustering.
Os métodos baseados no domínio das imagens subdividem-se usualmente em duas
classes: métodos baseados em bordas e métodos baseados em regiões. Region
Growing, Split and Merge e Watershed transform são técnicas baseadas em regiões,
enquanto o Edge-based e o Deformable models são técnicas baseadas em bordas
(Campilho, 2012).
6.1 Métodos baseados no domínio das características
Os
métodos
baseados
em
características
medem
diversas
características,
organizando-as em vetores.
a) Métodos de Thresholding
O processo tem como base é a deteção do um nível de threshold e consequentemente
dividir a imagem original em grupos de pixéis que tenham menores valores que o
threshold definido e em grupos de pixéis com valores superiores ou iguais a este.
O método de Thresholding pode ser dividido em vários tipos, tais como: threshold
global, local, dinâmico/adaptativo e também multimodal.
Marlene Silva
37
Monografia
FEUP
1) Thresholding global
O Thresholding global é baseado na suposição que a imagem forma um histograma
bimodal, e o objeto de interesse pode ser extraído do fundo da imagem original
apenas com uma simples operação que compara os valores da imagem com os
valores do threshold. Os pixéis do objeto e o fundo estão agrupados em níveis de
cinzentos em duas modas dominantes. Para separar o objeto do fundo deve-se
selecionar o valor de threshold T que separa essas duas modas.
Desta operação resulta uma imagem binária onde os pixéis de valor 1 representam os
objetos e os de valor 0 representam o fundo.
Computacionalmente este método é simples e rápido. Funciona bem em imagens com
objetos com valores de intensidades uniformes e contrastante com o fundo. Porém,
falha em imagens de baixo contraste e imagens com muito ruido (Bankman, 2000;
Gonzales, 2001).
2) Thresholding local
O thresolding local é determinado pela divisão da imagem original em subimagens e é
calculado o threshold para cada uma das subimagens, ou então é examinada a
intensidade da imagem em cada pixel.
Com a imagem dividida em subimagens retangulares sobrepostas, para cada
subimagem é calculado o threshold local. Se a imagem tiver um histograma bimodal, o
threshold local é calculado através do minino entre os picos do histograma.
Se a subimagem formar um histograma unimodal, o threshold é atribuído através da
interpolação dos thresholds locais encontrados nas subimagens. Por fim, na segunda
interpolação é necessário encontrar o threshold correto para cada pixel (Bankman,
2000; Gonzales, 2001).
Marlene Silva
38
Monografia
FEUP
3) Thresholding dinâmico/adaptativo
O thresholding dinâmico ou adaptativo acontece quando um thershold é selecionado
independentemente para cada pixel ou conjunto de pixéis (Bankman, 2000; Gonzales,
2001).
b) Clustering
Os algoritmos de clustering alcançam a região segmentada por partição da imagem
em objetos ou a grupos de pixéis que tenham uma grande similaridade na
característica da imagem. (Bankman, 2000). Conforme a imagem original e o objetivo
final, podem ser analisadas diversas características (atributos), tais como: cor,
intensidade, forma, posição, textura e outras características geométricas .
1) Hierárquicos
Estes algoritmos criam uma decomposição hierárquica dos objetos segundo um
determinado critério. Frequentemente são representados através de um dendrograma,
no qual são apresentadas as diferentes distancia dos agrupamentos dos diversos
objetos (Azevedo, 2010; Campilho 2012).
2) Model-based
Os model-based definem um modelo para cada cluster. Procuram o melhor
ajustamento dos dados para cada modelo. Permite descobrir o número ideal de
clusters usando estatística standard (Azevedo, 2010).
Marlene Silva
39
Monografia
FEUP
3) Fuzzy-clustering
Este método permite que os objetos pertençam a vários grupos (clusters)
simultaneamente com diferentes graus de adesão. Isto é, os objetos não são
obrigados a pertencer totalmente a uma classe podendo possuir uma adesão parcial
(Yang, 2007).
4) Hard clustering
Métodos de Hard Clustering são baseados em teoria clássica dos conjuntos.
Constroem várias partições dos objetos depois de avaliar cada uma segundo um
critério. Hard Clustering significa particionamento dos dados num determinado número
de subconjuntos mutuamente exclusivos (Ghoraani, 2012).
6.2. Métodos baseados no domínio das imagens
Os métodos baseados no domínio das imagens subdividem-se em duas classes:
métodos baseados em regiões e métodos baseados em bordas (Campilho, 2012).
a) Region-based
Quanto às técnicas baseadas em regiões, são destacados os métodos como o Region
Growing, o Split and Merge e o Watershed transform (Campilho, 2012).
1) Region- Growing
O Region Growing é a técnica de segmentação baseada em região mais simples. É
um procedimento que agrupa pixéis ou sub-regiões em grandes regiões com base em
critérios pré-definidos (critérios de semelhança). O algoritmo de crescimento de
regiões requer uma medida de similaridade que determina a inclusão de pixéis na
Marlene Silva
40
Monografia
FEUP
região, e um critério de paragem que termina o crescimento da região. O critério de
similaridade depende não só do tipo de problema, mas também o tipo de imagem a
ser estudada, como por exemplo a cor.
Normalmente, o processo inicia-se com um píxel, ou conjunto de pixels, designado
semente.
A
semente
pode
ser
escolhida
pelo
operador
ou
determinada
automaticamente através do algoritmo. A vizinhança de cada semente é então
analisada e os pixéis vizinhos semelhantes são adicionados à região, passando a
fazer parte da semente. Assim, a região cresce, num processo repetitivo, até que mais
nenhum pixel seja adicionado. O resultado obtido depende da semente escolhida
inicialmente (Gonzales, 2001; Wilson, 2005).
2) Split-and-Merge
Este algoritmo usa a decomposição recursiva da imagem a partir de um predicado que
mede a homogeneidade de uma região. Inicialmente o algoritmo considera a imagem
como uma região, a partir da qual se verifica se esta cumpre o predicado (P), isto é, o
critério de homogeneidade. Quando a região cumpre o predicado, esta divide-se em 4
quadrantes, resultando uma árvore quaternária com a representação da hierarquia das
regiões homogéneas. Este algoritmo é iterativo e acaba quando já não haja mais
regiões a avaliar (Gonzales, 2001).
3) Waterhed transform
O conceito de watershed (bacia hidrográfica) é muito comum na topologia.
As fronteiras entre bacias hidrográficas de uma região são as linhas de divisão das
águas. Assim, o gradiente da imagem pode ser interpretado como uma superfície
topografa onde os níveis de cinza representam altitudes. As regiões de alto gradiente,
regiões de contorno da imagem, correspondem a linhas de divisão da imagem,
enquanto as regiões de baixo gradiente, regiões interiores, correspondem às bacias
hidrográficas.
Marlene Silva
41
Monografia
FEUP
As bacias hidrográficas da superfície topógrafa são homogéneas no sentido de que
todos os pixéis que pertencem a uma mesma bacia serem conectados com as regiões
de mínima altitude por um caminho simples de pixéis em que a altitude
frequentemente decrescente.
Assim, estas bacias representam as regiões de
segmentação da imagem (Campilho, 2012).
b) Boundary-based
Os métodos baseados em bordas tem como objetivo encontrarem regiões de rápida
mudança de valores que definem as fronteiras entre as regiões. Para isso, são usados
métodos, tais como Deformable models e Edge-based.
1) Deformable models
Os modelos deformáveis são modelos rígidos, elásticos e podem ser controlados pelo
utilizador. Permitem a deformação da forma original, com o objetivo de obter o melhor
ajuste de modelo de dados da imagem (Nascimento, 1998).
As snakes são modelos de contorno flexíveis que se movem sobre a influência de
forças da imagem (Nascimento, 1998). Estas podem ser imaginadas como curvas
definidas no domínio da imagem, que se podem deslocar sobre a influência de forças
externas calculadas a partir da imagem ou de processos de alto nível (Silva, 2004).
2) Edge-based
Estes métodos são baseados na informação sobre as bordas da imagem. Esta é a
abordagem mais comum para detetar descontinuidades significativas no nível de
cinza. Uma edge é definida como um conjunto de pixels conectados que se encontram
na fronteira entre as duas regiões (Gonzales, 2001).
A informação sobre as bordas da imagem pode ter origem em detetores como Marr
and Hildreth edge detector e o Canny detector. Assim, são detetadas linhas, curvas
características de gradiente, como magnitude e orientação, que são importantes pistas
para a segmentação da imagem (Campilho, 2012).
Marlene Silva
42
Monografia
Marlene Silva
FEUP
43
Monografia
FEUP
CAPÍTULO 7 – ESTADO DA ARTE
Marlene Silva
44
Monografia
FEUP
CAPÍTULO 7 – ESTADO DA ARTE
Já há muito que a deteção das calcificações nas mamografias são objetos de estudo
pelos pesquisadores (Nunes, 2000).
Albert Salomon em 1913 descreveu pela primeira vez o uso da radiografia nos estudos
do cancro da mama. Ele foi o pioneiro da observação das calcificações nos tumores
malignos da mama e descreveu a técnica radiológica que permitia visualizar diminutas
calcificações. Na segunda metade do século, em 1950, Raul Leborgne publicou que
30% dos cancros da mama apresentavam calcificações, ressaltando a importância do
estudo das microcalcificações (Martins, 2010).
Em 1975 foram publicados os primeiros trabalhos que utilizavam programas
computacionais
com
o
objetivo
de
avaliar
as
calcificações
mamográficas.
Posteriormente em 1987 e 1988 foram desenvolvidos filtros para a deteção das
calcificações, tendo em conta características como tamanho, contraste e relação sinalruido.
Em 1990 foram propostos algoritmos baseados em thresholding e cinco anos mais
tarde foi proposta a análise de Wavelets para a extração de aspetos da mamografia.
Em 1993 foram desenvolvidas técnicas com o objetivo de identificação dos
agrupamentos através de atributos como textura, distribuição espacial, tamanho e
contraste.
Foram
estudados
também
novos
métodos
e
desenvolveram
a
transformação área-ponto (Nunes, 2010). Strickland e Hahn descrevem um método
que usa filtros combinados multiescala com transformadas de wavelets para melhorar
e detetar calcificações (Melloul, 2002).
Donald A. McCandless em 1995 estudou a deteção de clusters de microcalcificações
usando Wavelets. O procedimento inicia a partir duma mamografia digitalizada que é
processada através de um operador não linear de forma a promover uma gama
dinâmica dos valores da escala de cinza pois são estes que contêm as informações
mais relevantes.
Marlene Silva
45
Monografia
FEUP
A imagem é filtrada pela transformada de wavelet e, em seguida, limiarizada e subdividida de forma a extrair as regiões de interesse. Todos os conjuntos de ROIs são,
então, submetidos a uma outra rotina que thresholding que identifica objetos dentro
das ROIs que pode ser microcalcificações individuais (McCandless, 1995).
Nesse mesmo ano, foram também estudados algoritmos de morfologia matemática,
erosão morfológica, para a segmentação das microcalcificações. Estes tinham o
objetivo a redução dos falsos positivos. E Chan et al estudou uma abordagem
baseada em redes neurais, de forma a reduzir a deteção e falsos positivos (Melloul,
2002).
Em 1997 foram também utilizados algoritmos de morfologia matemática, tais como,
Top-hat e o watershed transform para a deteção das microcalcificações nas
mamografias (Betal, 1997).
Em 1998, Nishikawa et al usa uma técnica para aumentar a diferença entre as
microcalcificações. Inicialmente extrai as potenciais microcalcificações com o método
de thresholding baseado num operador de erosão. Os falsos positivos são eliminados
por análise de textura, e os restantes candidatos são agrupados através de um
algoritmo de agrupamento não-linear (Melloul, 2002).
Em 1999, a segmentação das microcalcificações foi utilizada usando um método de
tolerância fixa de crescimento de regiões. Este tinha o objetivo a extração dos limites
da calcificação. As sementes foram selecionadas manualmente (Marti, 1999).
No ano 2000, foi publicado um artigo cujo objetivo era o desenvolvimento de um
método
automático
para
a
deteção
e
classificação
de
agrupamentos
de
microcalcificações através do uso de redes neurais. O processamento de imagem
baseou-se em três passos. O primeiro passo consistiu na correção do background, o
segundo na deteção das calcificações através de filtros de Kernel e Sobel, o terceiro
passo na classificação das calcificações (Sorantin, 2000). Foi proposto também um
sistema que consistia em duas etapas. Na primeira, os potenciais pixéis de
microcalcificações das mamografias são segmentados usando características mistas
com características wavelet e níveis estatísticos de cinza. Este processo é seguido
pela rotulagem dos potenciais clusters de microcalcificações por uma conetividade
espacial. Na segunda etapa, as microcalcificações individuais são detetadas utilizando
Marlene Silva
46
Monografia
FEUP
um conjunto de 31 características extraídas a partir das potenciais microcalcificações.
O poder discriminatório desses recursos é analisado usando regressão redes neurais
e métodos de seleção sequenciais. Os classificadores utilizados nestes dois passos
são ambos de redes neurais progressivas multicamadas (Yu, 2000).
Em 2003 é introduzida uma nova forma de rede neural de reconhecimento baseada
numa característica de aviões universal denominada S-Cognitron para a classificação
das microcalcificações agrupadas (Lee, 2003).
Em 2004 foi usado um filtro de Difference of Gaussians (DoG) para o melhoramento
do contaste da imagem. Foi implementado um algoritmo de crescimento de regiões
juntamente com um classificador neural, de forma a detetar e classificar as
microcalcificações (Bocchi, 2004).
Em 2005 foi proposto um método implementado em três etapas: (a) o estádio de
deteção de cluster, para identificar clusters de microcalcificações, nesta etapa efetuouse o pré-processamento de imagem que englobou procedimentos de aprimoramento
de contraste e correção do background; (b) a etapa de extração de características
para calcular as características mais importantes de cada cluster, usando a morfologia
matemática e (c) a fase de classificação, a qual proporciona a caracterização definitiva
dos clusters, onde foram usadas uma rede neural artificial (RNA) e uma máquina de
vetor de suporte (SVM) (Papadopoulos, 2005).
Em 2006 foi apresentado um novo sistema de deteção auxiliada por computador para
mamografias digitais no planeamento da biópsia de mama. O sistema processa as
mamografias em vários passos. Primeiro, filtra a imagem original com um filtro que é
sensível à microcalcificações quanto ao contraste e forma. Em seguida, é aumentado
o contraste mamografia usando o algoritmo da transformada wavelet. E por fim, é
apresentada ao radiologista a tal mamografia com contraste e com as posições
sugeridas de clusters de microcalcificações (Arodz, 2006).
Com o objetivo do melhoramento da imagem mamográfica, em 2008 foram usados
alguns algoritmos nomeadamente, o contrast-limited adaptive histogram equalization
(CLAHE), o local range modification (LRM), o redundant discrete wavelet (RDW), o
linear stretching e shrinkage (Papadopoulos, 2008).
Marlene Silva
47
Monografia
FEUP
Em 2010, Balakumaran et al propuseram um algoritmo para a deteção de
microcalcificações na mamografia com precisão através da introdução da informação
da forma. Para isso usaram a multirresolution analysis baseada na transformada
wavelet para a melhoria da qualidade da imagem e o algoritmo clustering fuzzy shell
para a deteção das microcalcificações (Balakumaran, 2010).
Em 2010 foi desenvolvido poe Nunes et al um método de segmentação
semiautomática de regiões de interesse nas mamografias. Este sistema utilizou a
técnica de transformação área ponto e possibilitou a identificação dos clusters através
de dois métodos de processamento de imagem, o método de mascaramento e o de
crescimento de regiões indicando ainda a localização dos clusters detetados. Nesse
trabalho, o sistema desenvolvido foi realizado em 4 etapas: i) escolha de regiões de
interesse; ii) segmentação; iii) transformação área ponto; e iv) identificação dos
clusters.
Relativamente à determinação das regiões de interesse foram executados alguns
procedimentos como a redução da imagem de forma a diminuir o tempo de
processamento, filtragem, para realce dos sinais, subtração da imagem realçada da
imagem original, o thresholding global, o armazenamento dos dados das regiões de
interesse num vetor, e por fim, todas as regiões que possuam as características
selecionadas como de interesse são gravadas.
A segunda fase consistiu em destacar as estruturas de interesse (microcalcificações) e
eliminar os ruídos e artefactos destas regiões, para isso, foram efetuadas técnicas de
subtração de imagem, thresholding global, morfologia matemática, thresholding local,
respetivamente.
Na terceira fase o objetivo foi transformar cada estrutura de interesse da imagem
segmentada num único pixel (Nunes, 2000).
Dheeba et al sugeriram um novo método de deteção de calcificações que se dividia
em duas fases. Na primeira fase, são extraídas texturas para discriminar os
agrupamentos de calcificações e o tecido normal. A imagem inicial é decomposta
usando decomposição wavelet e através do método gabor features são extraídos as
regiões de interesse (ROI). Na segunda etapa, a capacidade destas características em
Marlene Silva
48
Monografia
FEUP
detetar microcalcificações é efetuada usando Back propagation Neural Network
(BPNN) (Dheeba, 2010).
Em 2011 foi publicado um método baseado em técnicas de processamento de
imagem, reconhecimento de padrões e de inteligência artificial, que usava operações
morfológicas como a transformada Top-hat para o aprimoramento das imagens, o
algoritmo de clustering por partições, o K-means, para a subsegmentação das
imagens e a ANN- artificial neutral network de forma a classificar as calcificações
(Dominguez, 2011).
Em 2012 foi desenvolvido um novo sistema CAD por Sharkaw et al que utilizava a
transformada discreta de Wavelet e a transformada Contourlet para a análise da
imagem e para a extração de características. A máquina de vetor de suporte (SVM) foi
o sistema usado para a classificação das calcificações (Sharkawy, 2012).
Nesse mesmo ano, Caballero et al usou transformadas lineares como a transformada
de Fourier, de Haar e a de Gabor de forma a extrair características das imagens
mamográficas,
organizando-as
em
vetores
para
posterior
classificação
das
calcificações (Caballero, 2012).
Os estudos dos métodos de segmentação e classificação das calcificações mamárias
tem vindo a ganhar importância destacando-se em vários trabalhos publicados até aos
dias de hoje.
Marlene Silva
49
Monografia
Marlene Silva
FEUP
50
Monografia
FEUP
CAPITULO 8 – CONCLUSÃO
Marlene Silva
51
Monografia
FEUP
CAPÍTULO 8 – CONCLUSÃO
A mama é um órgão par e simétrico. Está presente em ambos os sexos, mas apenas
se desenvolve na mulher. A sua principal função é segregar leite próprio para a
amamentação do recém-nascido. Ao longo da vida esta passa por modificações
importantes.
São
diversas
as
patologias
mamárias,
nomeadamente,
quistos
mamários,
fibroadenoma, papilomas, mastites e o cancro da mama. Estatísticas apontam que o
cancro da mama é a segunda causa de morte em mulheres em Portugal. Este resulta
da proliferação exagerada das células que adquirem características atípicas e que têm
a capacidade de desenvolver metástases. Os cancros da mama mais frequentes são o
carcinoma ductal e o carcinoma lobular.
O cancro da mama pode-se manifestar através da presença de calcificações. As
calcificações mamárias são pequenos depósitos de cálcio, que se podem localizar em
qualquer zona do tecido mamário e podem ter por causa, por exemplo, uma infeção ou
uma reação a um corpo estranho. Estas podem ser classificadas como tipicamente
benignas, preocupação intermediaria, e por tipicamente malignas, conforme algumas
características, tais como, tamanho (quanto menor, maior a probabilidade de
malignidade), número (quanto maior, maior a chances de ser maligna), forma (quanto
mais heterógenas, maior a possibilidade de malignidade) e distribuição.
Por isso é relevante destacar a importância do diagnóstico precoce quando a
probabilidade de cura é superior. Os métodos de diagnóstico podem ser divididos
pelos autoexames e pelos exames realizados pelos profissionais de saúde. A
mamografia é um dos mais comuns, e tem como principal objetivo a analise do tecido
mamário. As calcificações mamárias podem ser detetadas na mamografia,
encontrando-se mais claras em relação aos restantes tecidos da mama. Contudo são
difíceis de detetar devido ao reduzido tamanho, variedade de formas e distribuição.
Por esse motivo o processamento de imagem tem vindo a ganhar realce.
Um sistema CAD (diagnostico assistido por computador) tem como finalidade auxiliar
os radiologistas na interpretação das mamografias, de forma a melhorar a acurácia
dos diagnósticos. Estes sistemas envolvem técnicas de processamento de imagem
para realce, segmentação e extração de atributos das imagens mamográficas.
Marlene Silva
52
Monografia
FEUP
O processamento de imagem tem como finalidade o melhoramento das imagens
médicas de baixo nível, enquanto a análise de imagem tem como objetivo a extração
de informação útil das imagens de alto nível. Uma das etapas mais importantes é a
segmentação de imagem, que tem como objetivo a divisão da imagem em regiões que
respeitam uma ou mais características ou funcionalidades. Os métodos de
segmentação de imagem são comumente divididos em dois grandes domínios, no
domínio da imagem e no domínio das características.
Os métodos baseados no domínio das imagens subdividem-se usualmente em duas
classes: métodos baseados em bordas e métodos baseados em regiões. Region
Growing, Split and Merge e Watershed transform são técnicas baseadas em regiões,
enquanto o Edge-based e o Deformable models são técnicas baseadas em bordas.
Os
métodos
baseados
em
características
medem
diversas
características,
organizando-as em vetores. Os quais, serão submetidos a métodos de clustering para
divisão dos dados. Estes métodos também englobam os métodos de Thresholding.
Já há muito que as pesquisas da deteção das calcificações mamárias têm sido objetos
de estudo por parte dos pesquisadores. Mas com o aperfeiçoamento dos
equipamentos radiológicos, o seu estudo foi ganhando importância destacando em
vários trabalhos publicados, ressaltando a sua relevância no diagnóstico precoce do
cancro da mama.
Marlene Silva
53
Monografia
FEUP
FONTES DE INFORMAÇÃO
Bibliografia
Arodz,T.; Kurdziel, M.; Popiela, T. J.;Sevre,E. O.D.& Yuen, D.A.(2006).” Detection of
clustered microcalcifications in small field digital mammography”. ELSEVIER Computer
Methods and Programs in Biomedicine.
Azar,S.F.,Metaxas D.N.& Schnall M.D. (2000). "A Finite Element Model of the Breast
for Predicting Mechanical Deformations during Biopsy Procedures." IEEE.
Azevedo, P.(2010).“Clustering”. Universidade do Minho.
Balakumaran,T.; Vennila,ILA. & Shankar,C.G.(2010).”Detection of microcalcification in
mammograms using wavelet transform and fuzzy Shell clustering”. International
Journal of Computer Science and Information Security. Nº1.Vol.7.
Bankman, I. N. (2000), “Handbook of Medical Imaging - Processing and Analysis”.
Academic Press.
Betal,D;Roberts,N. & Whitehouse, C.H.(1997).”Segmentation and numerical analysis of
microcalcifications on mammograms using mathematical morphology”.The Britrish
Journal of Radiology.
Bocchi, L.;Coppini, G.;Nori,J.&Valli, G.(2004). “Detection of single and clustered
microcalcifications in mammograms using fractals models and neural networks”.
Medical Engineering & Physics.ELSIVIER.
Caballero, G.R.; Orellana, C.J.G.; Manso, A.G.;Velasco, H.M.G. & Macias,
M.M.(2012).”Independent componente analysis to detect clustered microcalcification
breast cancers”.The cientific World Journal.
Campilho, A., Mendonça, A. M.,(2012). “ Apontamentos da Unidade Curricular de
Análise de Imagem Médica”. Faculdade de Engenharia da Universidade do Porto.
Costa, D. D. (2008). "Classificação de Lesões em Mamografias por Análise de
Compomentes Independentes, Análise Discriminante Linear e Máquina de Vector
Marlene Silva
54
Monografia
FEUP
Suporte". Universidade Federal do Maranhão, Centro de Ciências Exatas e
Tecnologia-Curso de Engenharia Elétrica.
Dantas,A.T.,Dantas,
J.
C.,Vilarinho,
J.
O.,Júnior,H.A.,Matos,L.R.F.&Martins,A.S.
(2002). "MAMOGRAFIA-Os Padrões Mamográficos Interpretando a Mamografia Os
Laudos Mamográficos." 2ªEdição Med Imagem.
Dheeba,J.
&
Wiselin,
J.G.(2010).”Detection
of
Microcalcification
Clusters
in
Mammograms using Neural Network”. International Journal of Advanced Science and
Technology. Vol. 19.
Dominguez, J.Q.; MAGAÑA, B.O.;Cedño, A.M.; Januchs,M.G.C.; Corona,A.V.& Andina
D.(2011). “Improvement for detection of microcalcifications through clustering
algorithms and artificial neural networks”. EURASIPJournal on Advances in Signal
Processing.
Engeland, S.;Snoeren, P.;Hendriks, J.&Karssemeijer, N.(2003).”A comparation of
methods for mammogram registration”. IEEE Transactions on medical imaging. Nº11.
Vol.22.
Fogaça E.I.C.& Garrote L.F. (2004). "Câncer de mama: atenção primária e detecção
precoce" Arq Ciênc Saúde
Fonseca,F.M.&Fonseca,J.J.(1978).”Enciclopédia
Médica:
Os
órgãos
genitais
femininos”. Editorial Verbo.
Ghoraani, B. & Krishnan,S. (2012). “Discriminant non-stationary signal features
clustering using hard and fuzzy cluster labeling”. EURASIP Journal on Advances in
Signal Processing.
Gonzales,R.C.M,Woods,R.E.(2001).”Digital
Image
Processing”.(2ªedição).Prentice
Hall.
Gray,H. (2008).”The anatomical basis of clinical practice” 39th edition. Elsevier.
Hoehn, E. N. M. K. (2009). "Anatomia e Fisiologia ".(3ªedição).Artmed
Marlene Silva
55
Monografia
Hoyco,J.,Cassan,A.,Ruiz,X.,Borràs
L.&Inglès,T.(2005).”Enciclopédia
FEUP
da
Saúde:
da
Saúde:
Infeções –Sistema Imunitário - Cancro”.Marina Editores. Vol.7
Hoyco,J.,Cassan,A.,Ruiz,X.,Borràs
L.&Inglès,T.(2005).”Enciclopédia
Aparelho reprodutor-Sexualidade”.Marina Editores. Vol.8
Jing, H., Yang, Y. & Nishikawa, R. M. (2010). ”Detection of clustered microcalcifications
using spacial point process modeling ” .Physics in Medicine and Biology.
Junqueira, L. C., Carneiro, J. (2008) . “Histologia Básica”. 11th edition.Guanabara
Koogan S. A. McGraw-Hill.
Lee, S. K.; Chung, P;Chang, P.;Lee, C.T.;Hsu, G.C.& Yang, C.W.(2003). “Classification
of clustered microcalcifications using a Shape Cognitron neural network”.PERGAMON
Marques, P. M. d. A. (2001). "Diagnóstico Auxiliado por Computador na Radiologia."
Radiologia Brasileira.
Marti, J.,Batlle J.,Cufi X., EspaiiO, J.(1999); “Microcalcification evaluation in computer
assisted diagnosis for digital mammography”. The Institution of Electrical Engineers.
Martins,L.A.L., Barra,A.A &Lucena C.E.M. (2010). "Microcalcificações Mamárias
Suspeitas de Malignidade." Revista Brasileira de Cancerologia.
McCandless,D.A.(1995). “Detection of Clustered Microcalcifications Using Wavelets”.
Faculty of the School of Engineering of the Air Force Institute of Technology.
Melloul,M. & Joskowicz,L.(2002). ”Segmentation of microcalcification in X-ray
mammograms using entropy thresholding“.CARS/Springer.
Moore, K.L.&Dalley, A.F.(2006). “Clinically Oriented Anatomy”. 5th edition. Lippincott
Willians&Wilkins
Marlene Silva
56
Monografia
FEUP
Mourão, L. V. (2009). "O uso da mamografia na deteção precoce de lesões nãopalpaveis de mama indicativas e neoplasias." Universidade José do Rosário Vellano.
Nascimento, J.C.M.P.(1998).” Modelos deformáveis em estimação e seguimento de
objetos bidimensionais ”. Universidade técnica de Lisboa.
Nunes,
F.
L.
S.
&
Schiabel,
H.
(2000).
“Deteção
de
agrupamentos de
microcalcificações mamárias através de processamento de imagens mamográficas
com deteção semiautomática de regiões de interesse”. Revista Brasileira de
Engenharia Biomédica. Nº3. Vol.16.
Netter, F. H. (2007) – “Atlas of Human Anatomy”. 4rd Edition. Saunders.
Papadopoulos,
A.;
Fotiadis,
D.I.;
Costaridou,L.(2008).
“Improvement
of
microcalcification cluster detection in mammographyutilizing image enhancement
techniques“.Computers in Biology and Medicine.ELSIVIER
Papadopoulos, A.;Fotiadis, D.I.&Likas, A.(2005).” Characterization of clustered
microcalcifications in digitized mammograms using neural networks and support vector
machines” Artificial Intelligence in Medicine. ELSEVIER.
Porto, GF.N.(2008). “Analise de sensibilidade de m sistema CAD para a mamografia
digital”. Universidade Federal de Minas Gerais.
Quadros, L. G. d. A. (2003). "Classificação Bi-Rads para laudos de mamografia."
Revista Brasileira de Mastologia vol 13.
Resende,L.M.P.,Rodrigues,M.A.,Matias,F.,Oliveira,G.M.B.,Salles,M.A.,Melo,F.H.C.,Go
bbi,H.(2008).”Avaliação
de microcalcificações mamárias de acordo com as
classificações do Breast Imaging Reporting and Data System (BI-RADS) e de Le Gal
”.Revista Brasileira Obestetricia.
Scaranelo, A. M.; (2004). “Imagem em medicina”. Revista Associativa Brasileira.
Marlene Silva
57
Monografia
FEUP
Selley, R.R.& Tate,P.(2003).”Principles of Anatomy & Physiology”. 2th edition. The MC
Grow – Hill Company.
Sharkawy, M.A.; Sharkas, M. & Ragab, D.(2012). “Breast cancer etection using support
vector machine technique applied on extracted electromagnetic waves”. ACES Journal,
nº4. Vol.27.
Silva, J.S.;Santos, B.S.;Silva, A.& Madeira J. (2004).”Modelos deformáveis na
segmentação de imagens médicas: uma introdução”.Revista do DETUA, nº3. Vol. 4
Sorantin,
E.;Schmidt,
F.;Mayer,
H.;Becker,
C.S.;Graif,
E.&
Winkler,
P.(2000).”Computer aided diagnosis of clustered microcalcification using artificial
neural nets”.Journal of Computing and Information Technology.
Tang J.,Rangayyan R.M., Xu J., Naqa I.E&Yang Y. (2009). "Computer-Aided Detection
and Diagnosis of Breast Cancer With Mammography: Recent Advances." IEEE
Torres, P.(2008).”Manual Merck de informação médica”. Cap.22. Oceano.
Tortora,G.J.,Nielsen,M.T. (2012). "Principles of Human Anatomy".John Wiley &
Sons.Inc.
Vianna, A.D. &
Marchiori, E. (2002). “Calcificações malignas da mama -
correlação mamográfica- Anatomia Patológica”. Radiologia Brasileira. Nº3. Vol.35.
Wilson, D. L., & Laxminarayan, S. (2005). “Handbook of Biomedical Image Analysis:
Segmentation Models Part B”. vol.2. Kluwer Academic / Plenum Publishers.
Yang, Y. (2007). “Image segmentation by Fuzzy c-means clustering algoritm with a
novel penalty term”. Computing and Informatics. Vol.26.
Yu, S. & Guan, l.(2000.)” A CAD System for the Automatic Detectionof Clustered
Microcalcifications in DigitizedMammogram Films”. IEEE TRANSACTIONS ON
MEDICAL IMAGING. Nº2. Vol. 19.
Marlene Silva
58
Monografia
FEUP
Zanetti J.S.M. (2011). "Câncer de mama: de perfis moleculares a células tronco."
Revista da Universidade Vale do Rio Verde, Três Corações v. 9.
Marlene Silva
59
Monografia
FEUP
Outras referências
[1] http://www.laco.pt/cancro-mama/estatisticas, Disponível em: 2/6/2013
Marlene Silva
60