Detecção de Microcalcificações de Bordas Lisas e Agrupamentos em
Formação, para Auxílio ao Diagnóstico Médico de Câncer de Mama
Aledir Silveira Pereira, Norian Marranghello,Cristiane Sawada Yokota,Kátia Harumi Nikuma
UNESP/IBILCE – Campus de São José do Rio Preto
RESUMO - O presente trabalho tem como objetivo detectar dois tipos de microcalcificações: as de
bordas lisas, arredondadas e as em formação e que apresentem formas ainda não definidas. Na detecção de bordas lisas, foram feitas comparações entre a altura e a distância de dois pontos de inflexões sucessivos e identificados se a porção da imagem observada tinha formas arredondadas ou não. Depois de utilizar esse método para todos os pontos de inflexões sucessivos da imagem, observou-se a quantidade de formas arredondadas e não-arredondadas (formas indefinidas). Caso a quantidade de formas arredondadas fosse maior do que as de não-arredondadas, supôs-se que a microcalcificação fosse de bordas arredondadas.
Já na detecção de microcalcificações em formação, o método principal utilizado foi a avaliação da área de cada microcalcificação na imagem. Se a imagem da calcificação fosse cheia e muito pequena, determinou-se que a microcalcificação estava em formação. Caso a microcalcificação fosdeterminou-se vazia, identificou-determinou-se a mesma como uma microcalcificação de forma anelar, que é um outro tipo de microcalcificação.
Palavras chaves:segmentação de imagens, câncer de mama, microcalcificação, imagens médicas, mamografia.
Abstract - The aim of this work is the detection of two types of microcalcifications: one with smooth edges and
the one in formation, with forms not yet defined. In the detection of smooth edges, comparison between the height and the distance of two successive points of inflection were made, and identified if the portion of the image observed has rounded edges or not. After utilizing this method for all the successive points of inflections of the image, the number of rounded forms and the number of not rounded forms (indefinite forms) were observed. If the number of rounded forms was bigger than the number of not rounded forms, it was supposed that the microcalcification had rounded forms.
At the detection of forming microcalcification, the main method used was the evaluation of the area of each microacalcification in the image. If the image of calcification was full and very small, it was determined that the microcalcification was in formation. If the microcalcification was empty it was identified as a microcalcification of ring-like form, which is another type of microcalcification.
Key-words:
:
images segmentation, breast cancer, microcalcification, medical images, mamogramm.Introdução
Apesar dos avanços tecnológicos no campo da medicina, a cada ano que passa aumenta o número de vítimas do câncer tanto em países subdesenvolvidos como o Brasil quanto em países de primeiro mundo como os Estados Unidos. O câncer já é a segunda causa de mortes por doenças no Brasil, perdendo apenas para as doenças cardiovasculares [1].
Números do Ministério da Saúde apontam o câncer de mama como o que mais mata mulheres no Brasil dentre os cânceres, seguido do câncer de pulmão. Em 2000 foram registradas 8.390 mortes decorrentes deste tipo de câncer. O INCA [1] apontou dos 402.190 novos casos de câncer com previsão de serem diagnosticados em 2003, o câncer de mama como o segundo mais incidente entre a população feminina, sendo responsável por
41.610 novos casos e 9.335 óbitos. Além disso, de 6% a 8% das mulheres brasileiras com mais de 60 anos de idade têm ou tiveram o câncer de mama.
Nos Estados Unidos, segundo a American Cancer Society (Sociedade Americana de Câncer), os casos de câncer de mama aumentaram em 4% em cada 100 mil mulheres ao ano na década de 80. Já na década de 90, esse número aumentou para de 4% para 10%. E previu-se que aproximadamente 182 mil novos casos da doença surgiram nos Estados Unidos no ano de 2000 e que 41.200 mulheres morreram em decorrência da doença. Mesmo havendo cura, especialmente quando detectado precocemente, esse tipo de câncer como todos os outros necessita de um bom diagnóstico para evitar futuras complicações. Por essa e outras razões, um número considerável de
projetos direcionados a detecção e tratamento do câncer de mama têm sido desenvolvidos em todo o mundo. Apesar da causa do câncer de mama não ser totalmente entendida, a detecção antecipada e a remoção de tumores primários é um método essencial e efetivo para a redução do número de mortandades, pois ao atingir um certo tempo apenas algumas células desenvolvem-se, formando um tumor maior.
A mamografia é um dos métodos mais confiáveis e efetivos na visualização das microcalcificações que podem identificar um tumor maligno e um não-maligno. Porém, as mamografias possuem muitos ruídos e a visualização das microcalcificações fica debilitada. Para isso muito tem sido estudado a fim de melhorar essas imagens, facilitando uma melhor visualização das microcalcificações e provendo um diagnóstico mais preciso. Além da melhoria da imagem, algoritmos têm sido criados para a identificação das formas que as microcalcificações podem apresentar, e assim auxiliar os radiologistas na diferenciação de um tumor maligno de um tumor não-maligno.
A leitura das mamografias é feita por radiologistas experientes, que visualizam e examinam-nas para detectar a presença de deformidades que podem ser interpretadas como mudanças cancerosas. Alguns problemas chaves existem com o uso de programas de visualização devido às limitações visuais e dificuldades na aplicação de princípios consistentes no diagnóstico explícito.
Existem cinco tipos morfológicos[2] das microcalcificações (Figura 1):
tipo 1 – São microcalcificações de formas anelares, que correspondem sempre à lesões não malignas. tipo 2 – São microcalcificações parecidas com as do tipo 1, porém formam círculos quase regulares cheios. 60% delas correspondem à lesões não malignas e 22% correspondem à lesões malignas. tipo 3 – São elementos pequenos que ainda não apresentam uma forma definida. Dividem-se igualmente entre todos os casos.
tipo 4 – São formas que lembram círculos, mas possuem um aspecto irregular. Dentre elas, 23% correspondem à lesões não malignas e 66% correspondem à lesões malignas.
tipo 5 – Sua forma é vermiforme e estão sempre associadas à lesões malignas.
Figura 1 – tipos morfológicos de microcalcificações A visualização e identificação de um elemento grande em uma imagem radiográfica [3] [4] [5] é fácil. Porém, quando se trata de microcalcificações de tamanho da ordem de micrômetros, a análise e identificação tornam-se difíceis. Este trabalho tem como objetivo identificar as microcalcificações de bordas lisas (tipo 2) e a identificação de agrupamentos de microcalcificações em estado de formação (tipo 3) e informar ao radiologista o resultado. Com estas informações em mãos o radiologista poderá efetuar um diagnóstico mais preciso. Dando este sistema um inestimável suporte para auxiliar os médicos radiologistas no diagnóstico, o mais precoce possível, do câncer de mama, e conseqüentemente tratar o(a) paciente com grandes chances de cura. Em outros trabalhos já foram realizadas a identificação e caracterização dos tipos ( 1, 4 e 5) morfológicos de microcalcificações [6][7][8][9].
Metodologia
A imagem mamográfica, após ser coletada, necessita passar por filtros de ruídos, com a finalidade de melhorar a relação sinal/ruído. Com a finalidade de melhorar a distinção entre a cena (background) e os objetos (microcalcificações) foi utilizado o método de limiarização (threshold) [10][11][12] para binarizar a imagem. Este método constitui-se da escolha de um limiar T utilizando o histograma de níveis de cinza.
Após a binarização procede-se a segmentação da imagem, retirando os objetos (microcalcificações) para utilização no processamento subseqüente. A segmentação é realizada utilizando o método de “segmentação vetor girante [6]”. Via de regra, os algoritmos de segmentação são baseados em uma ou duas propriedades básicas de valores de níveis de cinza: similaridade e descontinuidade. Neste trabalho optamos por utilizar a primeira categoria que tem base na limiarização, crescimento de região e
merge.
a) detecção e identificação de microcalcificações de bordas lisas
Observando que as microcalcificações de bordas arredondadas, lisas (tipo 2) são elementos
quase regulares e cheios, pode-se diferenciar esse tipo de microcalcificação de outro muito parecido, porém com formas anelares vazias (tipo 1).
Portanto, observada uma imagem e segmentando a mesma, se a microcalcificação for vazia, identifica-se a mesma como um elemento vazio (microcalcificação anelar – tipo 1). Caso a microcalcificação seja cheia, identifica-se a mesma como uma microcalcificação lisa ou uma microcalcificação com formas ainda não definidas (tipo 3) ou com bordas rugosas (tipo 4) ou vermiforme (tipo 5).
Excluídas as anelares, para a detecção e caracterização de microcalcificações de bordas lisas (tipo 2) consideramos que as mesmas são formadas por parábolas. Tendo em vista que as bordas são formadas por parábolas, utilizamos métodos para detecção de inflexões [13] existentes nas bordas da imagem de uma microcalcificação.
O método consiste em encontrar a primeira, a segunda e a terceira derivadas de todos pontos. As aproximações mais usadas para a primeira derivada [13] em um ponto xi são dadas por:
≡
−
≈
+h
y
y
x
y
i i i 1)
(
'
diferença avançada≡
−
≈
−h
y
y
x
y
i i i 1)
(
'
diferença atrasada≡
−
≈
+ −h
y
y
x
y
i i i2
)
(
'
1 1 diferença centradaPara encontrar a segunda e a terceira derivadas a partir da primeira derivada com diferença avançada e considerando yi = f(xi) tem-se:
h
x
f
x
f
x
f
i x i)
(
)
(
)
(
'
=
+1−
2 1 2)
2
(
)
(
)
(
)
(
''
h
x
f
x
f
x
f
x
f
i i i i+
−
=
+ + 3 1 2 3) 3 ( ) 3 ( ) ( ) ( ) ( '' ' h x f x f x f x f x f i i i i i − + − = + + +Depois de calculadas as três derivadas de um ponto xi onde i = 0,1,2,..., resolve-se o seguinte sistema de equações:
0
)
(
'
)
(
'
'
)
(
'
)
(
'
'
t
y
t
−
y
t
x
t
=
x
0
)
(
'
)
(
'
'
'
)
(
'
'
'
)
(
'
t
y
t
−
x
t
y
t
≠
x
Resolvido esse sistema de equações, encontram-se os pontos de inflexão da imagem.
A partir dos pontos de inflexões obtidos da imagem da microcalcificação, foram realizadas comparações entre a distância entre dois pontos de inflexões, de mínimos, sucessivos e a altura do
ponto de inflexão máxima encontrado entre os dois de mínima. A razão entre a largura (distância entre mínimos) e a altura da ondulação das bordas, definem se trata-se de borda lisa ou pontiaguda. A predominância do formato de lisas indica que a microcalcificação é lisa (não rugosa).
Um sistema foi desenvolvido utilizando esta metodologia para identificar e caracterizar as microcalcificações de bordas lisas.
b) detecção de clusters de microcalcificações em formação
A microcalcificação em formação, que ainda não possui uma forma definida é classificada como uma microcalcificação do tipo 3. Esse tipo divide-se igualmente entre todos os casos. A quantidade de pixels é um fator importante para determinar se a microcalcificação é do tipo 3 (de forma indefinida) ou se pertence a qualquer um dentre os outros tipos (vermiformes, eliptícas, regulares cheias ou de formas com aspectos irregulares). De acordo com estudos [6][7], é determinado que 8 pixels é a quantidade máxima para ser classificada como uma microcalcificação de forma indefinida. Isto é, as microcalcificações com o número de pixels superior a 8, não poderiam ser classificadas como o tipo 3. Essas microcalcificações com mais de 8 pixels já poderiam ser analisadas e identificadas como um dos outros quatro casos.
Agrupamento (cluster) de microcalcificações caracteriza-se pela quantidade de pequenos elementos sem forma definida próximos. Quando a densidade de um agrupamento é muito alta indica tratar-se de tumor maligno. O médico radiologista é que estima, pelo número de microcalcificações agrupadas se é alta ou baixa densidade.
Descritas as características necessárias para a detecção de microcalcificações em formação e que apresentam formas ainda não definidas (calcificações muito pequenas), foi criado um algoritmo utilizando essas informações.
Resultados
Para verificação da eficiência dos algoritmos desenvolvidos, eles foram aplicados primeiramente em imagens simuladas e posteriormente em imagens mamográficas reais. A aplicação dos algoritmos nas imagens simuladas é muito importante para avaliar o sistema em toda a sua complexidade, visto que nem todas as imagens reais possuem um espaço amostral tão diversificado. As imagens simuladas, por tratarem de elementos com características previamente
conhecidas, são muito úteis para a validação dos métodos e algoritmos utilizados. Para o algoritmo de detecção de microcalcificações de bordas lisas, aplicando em dez imagens contendo vários formatos obtivemos:
100% de bordas lisas verdadeiras detectadas 0% de bordas lisas não verdadeiras detectadas Para outras dez imagens aplicando o algoritmo (figura 2) para detectar aglomerações obtivemos: 100% de aglomerados detectados e verdadeiros 0% de aglomerados detectados e não verdadeiros
As imagens reais mamográficas nas quais são aplicados os algoritmos (figura 3) são de extensão PCX. Onde são trabalhados, por vez, pedaços de 128 x 128 pontos da referida imagem. Os resultados obtidos de vinte e seis imagens foram:
89,4% de microcalcificações regulares verdadeiras
detectadas
0% de microcalcificações regulares não verdadeiras detectadas
92,8% de aglomerados verdadeiros detectados 0% de aglomerados falsos detectados
Figura 2 – detecção de agrupamento de microcalcificações simuladas
Discussão e Conclusão
Com a implementação dos algoritmos para a detecção dos dois tipos de microcalcificações (tipo 2 e tipo 3) na linguagem Builder C++ obtivemos os seguintes resultados. Nas imagens simuladas obtivemos para a detecção de microcalcificações de bordas lisas (tipo 2), a detecção de 100% de microcalcificações com “bordas lisas verdadeiras” e para a detecção de microcalcificações em formação (tipo 3), a detecção de 100% de “aglomerados verdadeiros”. No entanto nas imagens reais mamográficas, essa porcentagem de acerto foi um pouco menor. Isso ocorre pois a imagem mamográfica possui muitos ruídos e o veredicto das imagens foi dado a “olho nu”, isto é, ao verificar a imagem podemos ter excluído ou adicionado alguma microcalcificação que venha a ser apenas um ruído. Para a detecção de microcalcificações de borda lisa obtivemos a detecção de 89,4% de microcalcificações com “bordas lisas verdadeiras” e para a detecção de microcalcificações em formação e que apresentam formas ainda não definidas obtivemos a detecção de 92,8% de “aglomerados verdadeiros”. Para melhorar essa porcentagem de acertos, é aconselhável a utilização de várias funções de pré-processamento de imagens para diminuir os ruídos da mesma.
Conclusões finais
O sistema em geral, pelos resultados obtidos, apresentou resultados animadores. Isso porque conseguimos detectar com segurança os dois tipos de microcalcificações tanto nas imagens simuladas quanto nas imagens reais mamográficas. A margem de não detecção de imagens verdadeiras foi pequena e não houve detecção de imagens falsas.
Referências
[1] INCA (2004), http://www.inca.gov.br/
[2] Le Gal M, Chavanne G, Pellier D. , (1984) Valeur diagnostique des microcalcifications groupées découvertes par mammographies. Bull Cancer. Paris, v.71, n(1), p.57-64.
[3] Shen, Liang e Rangaraj M. Rangayyan, (1994) “Application of Shape Analysis to Mammographic Calcifications”, IEEE Transactions on medical imaging, vol. 13, n° 2, pp. 263 – 274.
[4] Rangayyan, Rangaraj M. , J. E. Leo Desautels e Onsey A. Alim, (1997), “Measures of Acutance and Shape for Classification of Breast Tumors”, IEEE Transactions on medical imaging, vol. 16, n° 6, pp. 799 – 810.
[5] Rangayyan, Rangaraj M. , Naga R. Mudigonda e J. E. Leo Desautels, (1999), “Boundary Modeling and Shape Analysis Methods for Classification of Mammographic Masses”, IEEE Transactions on Medical Imaging, Março de 1999.
[6] Pereira, A. S. , (1995), “Processamento de imagens médicas utilizando a Transformada de Hough”, tese apresentada ao Instituto de Física de São Carlos, 432p., maio.
[7] Pereira AS, Frère AF, Marques PMA, Schiabel H, Marques MA, Oliveira HJQ, Gonzaga A, Ferrari RJ. (1995), Detection and characterization of microcalcifications in mammographic images. 38Th Midwest Symposium on Circuits and System. Rio de Janeiro, p. 1369-1372.
[8] Pereira AS, FRÈRE AF, Schiabel H, Marques PMA, Oliveira HJQ. (1996), Identificação e caracterização de microcalcificações anelares e vermiformes em mamogramas. III Fórum Nacional de Ciência e Tecnologia em Saúde. Campos do Jordão-SP, p.577-578
[9] Pereira AS e Yamaguchi K., (2002), Detecção de microcalcificações de formas especulares para auxílio no diagnóstico de câncer de mama. CBIS2002 VIII Congresso Brasileiro de Informática em Saúde.
[10] Gonzalez, Rafael C. e Paul Wintz, (1987), “Digital Image Processing”, Addison-Wesley Publishing Company, EUA.
[11] Castleman, Kenneth R., “Digital Image Processing”, , New Jersey: Prentice-Hall, Englewood Cliffs.
[12] Jain, Anil K., (1989), “Fundamentals of Digital Image Processing”, EUA: Prentice-Hall.
[13] Ruggiero, Márcia A. Gomes e Vera Lúcia da Rocha Lopes, (1997) ”Cálculo Numérico – aspectos teóricos e computacionais”, Brasil: Makron Books.
Contato
Aledir Silveira Pereira, Norian Marranghello,Cristiane Sawada Yokota, Kátia Harumi Nikuma
Norian , aledir@dcce.ibilce.unesp.br
fone: (17)221-2214
UNESP/IBILCE– Campus de São José do Rio Preto Rua Cristóvão Colombo 2265 Jd. Nazareth
