Programa de Pós-Graduação em Ciência e Tecnologia das Radiações, Minerais e Materiais
“ METODOLOGIA PARA GERAÇÃO DE MODELOS DE MAMA COM DISTRIBUIÇÃO ESPACIAL DE TECIDO
GLANDULAR” Lucas Paixão Reis
Tese apresentada como parte dos requisitos para obtenção do grau de Doutor em Ciência e
Tecnologia das Radiações, Minerais e Materiais 2015
Programa de Pós-Graduação em Ciência e Tecnologia das Radiações, Minerais e Materiais
METODOLOGIA PARA GERAÇÃO DE MODELOS DE MAMA COM DISTRIBUIÇÃO ESPACIAL DE TECIDO
GLANDULAR
Lucas Paixão Reis
Tese apresentada ao Curso de Pós-Graduação em Ciência e Tecnologia das Radiações, Minerais e Materiais, como requisito parcial à obtenção do Grau de Doutor
Área de concentração: Ciência e Tecnologia das Radiações Orientadora: Dra. Maria do Socorro Nogueira Tavares
Belo Horizonte 2015
AGRADECIMENTOS
Agradeço primeiramente a Deus, por ter nascido na família em que eu nasci, por todas as oportunidades que tive na vida, por todas as provações que passei, pelos amigos que fiz, pelos conhecimentos que adquiri e por tudo que conquistei.
À minha família, que sempre me apoiou e me deu as condições necessárias para alcançar meus objetivos, por respeitar minhas decisões e entender minha ausência. À minha esposa, por seu amor, carinho, incentivo, amizade e compreensão.
À Dra. Maria do Socorro Nogueira, pela oportunidade de trabalho e orientação, por sua boa vontade em ajudar, pela estrutura de trabalho, por sua compreensão, incentivos e ensinamentos.
À Dra. Margarita Chevalier Del Rio e à Universidade Complutense de Madri pelo empréstimo dos objetos simuladores de tecido de mama.
Aos Drs. Vagner Cassola e João Emílio Peixoto pelas valorosas e essenciais contribuições que deram para o desenvolvimento deste trabalho.
À Dra. Maria Helena Araújo Teixeira, por ter cedido o equipamento, as imagens clínicas e ter determinado a glandularidade de pacientes, e aos funcionários da clínica que contribuíram com o trabalho.
Aos amigos e colegas que me ajudaram no desenvolvimento deste trabalho, especialmente aos amigos Bruno Oliveira, Marcio Oliveira e Fernando Leyton.
Ao CDTN e seus funcionários, por toda a infraestrutura, apoio e ajuda.
Às contribuições financeiras da Fundação de Amparo à Pesquisa do Estado de Minas Gerais (FAPEMIG) e do Instituto Nacional de Ciência e Tecnologia em Metrologia das Radiações em Medicina (INCT) que auxiliaram no desenvolvimento e divulgação dos projetos e pesquisas realizados.
À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pela bolsa de estudos.
METODOLOGIA PARA GERAÇÃO DE MODELOS DE MAMA COM DISTRIBUIÇÃO ESPACIAL DE TECIDO GLANDULAR
Lucas Paixão Reis
RESUMO
A mamografia é a principal técnica radiográfica utilizada para imagens das mamas. A mama é um órgão radio-sensível e existe um risco de câncer induzido pela radiação associado com a mamografia. A dose glandular média (DG) é a grandeza
dosimétrica aceita para caracterizar o risco de câncer induzido pela radiação. Estudos anteriores concluíram que a DG depende não somente do conteúdo glandular, mas
também da distribuição do tecido glandular dentro da mama. Neste trabalho, é proposto um novo método para a geração de modelos computacionais de mama com tecido epitelial e distribuição espacial do tecido glandular de pacientes submetidos a exames de mamografia digital. Cento e setenta modelos computacionais de mama com diferentes glandularidades foram simulados e os resultados foram comparados com valores de coeficientes de conversão para DG recomendados. As diferenças encontradas sugerem
que os coeficientes de conversão recomendados internacionalmente podem superestimar a dose glandular média para mamas menos densas e subestimar a dose glandular média para as mamas mais densas. A metodologia descrita neste trabalho constitui uma ferramenta poderosa para a dosimetria em mamografia, principalmente para estudos de risco.
Palavras chaves: modelos de mama, dosimetria em mamografia, mamografia digital, dose glandular normalizada, simulações Monte Carlo.
NEW METHOD FOR GENERATING BREAST MODELS FEATURING GLANDULAR TISSUE SPATIAL DISTRIBUTION
Lucas Paixão Reis
ABSTRACT
Mammography is the main radiographic technique used for breast imaging. A major concern with mammographic imaging is the risk of radiation-induced breast cancer due to the high sensitivity of breast tissue. The mean glandular dose (DG) is the
dosimetric quantity widely accepted to characterize the risk of radiation induced cancer. Previous studies have concluded that DG depends not only on the breast glandular
content but also on the spatial distribution of glandular tissue within the breast. In this work, a new method for generating breast models featuring skin composition and glandular tissue distribution from patients undergoing digital mammography is proposed. A hundred and seventy breast models with different breast glandularity were simulated and the results were compared with those obtained from recommended DG
conversion factors. The results show that the internationally recommended conversion factors may be overestimating the mean glandular dose to less dense breasts and underestimating the mean glandular dose for denser breasts. The methodology described in this work constitutes a powerful tool for breast dosimetry, especially for risk studies.
Keywords: breast models, breast dosimetry, digital mammography, normalized mean glandular dose, Monte Carlo simulations.
LISTA DE FIGURAS
Figura 1 - Imagens mamográficas com diferentes densidades. ... 19
Figura 2 - Diagrama esquemático de um sistema de mamografia ... 20
Figura 3 - Projeções mamográficas ... 20
Figura 4 - Espectro de raios X produzido com alvo de tungstênio ... 21
Figura 5 - Curva de resposta do STF e sistema digital ... 23
Figura 6 - Modelo geométrico de mama ... 29
Figura 7 - Pixels e voxels de uma imagem ... 31
Figura 8 - Sistema de coordenadas para representação de imagens digitais ... 32
Figura 9 - Imagem digital na forma matricial ... 33
Figura 10 - Cabeçalho DICOM de uma imagem mamográfica ... 34
Figura 11 - Conjunto detector Unfors ... 36
Figura 12 - Posicionamento para o teste de linearidade ... 38
Figura 13 - Posicionamento dos objetos simuladores de tecido ... 39
Figura 14 - Posicionamento da ROI para obtenção do TC ... 40
Figura 15 - Imagens clínicas (a) sem processamento e (b) processada ... 41
Figura 16 - Imagem gerada pelo programa classificador de tecidos ... 43
Figura 17 - Imagem reamostrada com pixels de 1,5 mm ... 44
Figura 18 - Modelo de mama direita de paciente em projeção craniocaudal ... 45
Figura 19 - Fluxograma para a construção e simulação dos modelos de mama . 46 Figura 20 - Gráfico da resposta do receptor de imagem CR ... 52
Figura 21 - Tons de Cinza para 26 kV Mo/Mo ... 52
Figura 22 - Tons de Cinza para 28 kV Mo/Mo ... 53
Figura 23 - Tons de Cinza para 30 kV Mo/Mo ... 53
Figura 24 - Tons de Cinza para 32 kV Mo/Mo ... 53
Figura 25 - Tons de Cinza em função da espessura da mama ... 54
Figura 26 - Gráfico com os valores de CSR ... 58
Figura 27 - Distribuição das EMCs da amostra de pacientes ... 61
Figura 28 - Distribuição da glandularidade das mamas de pacientes ... 61
Figura 29 - Distribuição das EMCs dos modelos simulados ... 62
Figura 30 - Distribuição da glandularidade dos modelos de mama simulados .. 62
Figura 32 - ∆% para a DGN dos modelos com glandularidade entre 25 e 50% ... 65
Figura 33 - ∆% para a DGN dos modelos com glandularidade entre 50 e 75% ... 65
LISTA DE TABELAS
Tabela 1 - Técnica Mamográfica ... 22
Tabela 2 - Composição elementar dos materiais utilizados nas simulações ... 49
Tabela 3 - Resultado do teste de linearidade ... 51
Tabela 4 - Razão entre o valor de TC estimado e obtido experimentalmente .... 55
Tabela 5 - TC dos objetos simuladores de tecido adiposo ... 56
Tabela 6 - TC dos objetos simuladores de tecido glandular ... 56
Tabela 7 - CSR dos espectros de raios X ... 57
Tabela 8 - Cálculo da incerteza dos valores de CSR experimentais ... 57
Tabela 9 - Fator g para modelo de mama comprimida com composição 50/50 . 59 Tabela 10 - Kerma no ar incidente na superfície do modelo ... 59
LISTA DE SIGLAS E ABREVIAÇÕES
ACR Colégio Americano de Radiologia
BIRADS Breast Imaging Reporting and Data System CAD Computer Aided Diagnosis
CC Craniocaudal
CDTN Centro de Desenvolvimento da Tecnologia Nuclear CR Radiografia Computarizada
CSR Camada Semirredutora
DICOM Digital Imaging and Communications in Medicine
dFS Distância foco-superfície
dFB Distância entre o ponto focal e o suporte da mama
DG Dose glandular
DGN Dose glandular normalizada DO Densidade óptica
DR Radiografia Digital
EMC Espessura da mama comprimida
Ke Kerma no ar na superfície de entrada
Ki Kerma no ar incidente kVp Quilovolt-pico
LARAM Laboratório de Radioproteção Aplicada à Mamografia mAs miliampere-segundo
MC Monte Carlo
MLO Mediolateral oblíqua
Pit Carga do tubo de raios X pl/mm Pares de linhas por milímetro PMMA Polimetilmetacrilato
ROI Região de interesse STF Sistema tela/filme TC Tom de Cinza
TCA Tom de cinza dos tecidos adiposos na base de dados de TC TCG Tom de cinza dos tecidos glandulares na base de dados de TC
TCa TC corresponde ao tecido adiposo na imagem com três tons de cinza TCar TC corresponde ao ar na imagem com três tons de cinza
TCg TC corresponde ao tecido glandular na imagem com três tons de cinza TDM Tomossíntese digital de mama
VMP Valor médio do pixel
va Voxel de tecido adiposo
var Voxel de ar
vg Voxel de tecido glandular
vp Voxel de pele
Y(d) Rendimento do tubo de raios
∆% Diferença relativa percentual
SUMÁRIO
RESUMO ... 5
ABSTRACT ... 6
LISTA DE FIGURAS ... 7
LISTA DE TABELAS ... 9
LISTA DE SIGLAS E ABREVIAÇÕES ... 10
1 INTRODUÇÃO ... 14
2 OBJETIVOS ... 16
3 JUSTIFICATIVA ... 17
4 FUNDAMENTOS TEÓRICOS ... 18
4.1 Anatomia da mama ... 18
4.2 Sistemas de imagem mamográfica ... 20
4.3 Receptores de imagem ... 23
4.4 Dosimetria em mamografia ... 25
4.4.1 Kerma no ar incidente ... 25
4.4.2 Rendimento do tubo de raios X ... 26
4.4.3 Dose absorvida ... 27
4.4.4 Dose glandular média ... 27
4.5 Imagens digitais ... 31
5 MATERIAIS E MÉTODOS ... 35
5.1 Materiais ... 35
5.1.1 Sistemas de mamografia ... 35
5.1.2 Detector de radiação ... 36
5.1.3 Objetos simuladores de tecido ... 36
5.1.4 Computador e código de Monte Carlo ... 37
5.2 Métodos ... 37
5.2.1 Linearidade da resposta dos receptores de imagem digital ... 38
5.2.2 Estudo dos tons de cinza dos objetos simuladores ... 39
5.2.3 Construção da base de dados de tons de cinza ... 40
5.2.4 Classificação de tecidos nas imagens clínicas ... 41
5.2.5 Construção dos modelos computacionais de mama ... 43
5.2.7 Determinação da CSR dos espectros de raios X ... 48
5.2.8 Obtenção de imagens clínicas ... 49
5.2.9 Simulação da DGN dos modelos de mama de pacientes... 50
6 RESULTADOS E DISCUSSÕES ... 51
6.1 Teste de linearidade do receptor de imagem ... 51
6.2 Estudo dos tons de cinza dos objetos simuladores ... 52
6.3 Construção da base de dados de TC do sistema clínico ... 56
6.4 Medida da CSR dos espectros de raios X ... 57
6.5 Validação das simulações ... 59
6.6 Amostra de imagens de pacientes... 60
6.7 Simulação dos modelos de mama de pacientes ... 63
7 CONCLUSÕES ... 68
8 REFERÊNCIAS ... 71
APÊNDICE A ... 78
1 INTRODUÇÃO
O câncer de mama é o tipo de câncer mais frequente entre as mulheres em todo o mundo, tanto em países em desenvolvimento quanto em países desenvolvidos. Para o Brasil, no ano de 2014, foram esperados 57120 novos casos de câncer de mama, com um risco estimado de 56,09 casos a cada cem mil mulheres (INCA, 2014).
A mamografia é a principal técnica radiográfica para imagens da mama, sendo utilizada para o diagnóstico do câncer de mama e monitoramento clínico. Esta modalidade de imagem é amplamente utilizada para o rastreamento populacional (ICRU, 2009). O objetivo do rastreamento do câncer de mama é a detecção de pequenos tumores assintomáticos, visando à redução da mortalidade pela doença, aumento da sobrevida e redução da extensão do tratamento cirúrgico. A idade da mulher é um dos mais importantes fatores de risco. Atualmente no país, a estratégia para a detecção precoce do câncer de mama é a mamografia bienal para mulheres entre 50 e 69 anos e exame clínico anual a partir dos 40 anos (INCA, 2014). Já o Colégio Brasileiro de Radiologia e Diagnóstico por Imagem, a Sociedade Brasileira de Mastologia e a Federação Brasileira das Associações de Ginecologia e Obstetrícia, através da análise de estudos científicos disponíveis e consenso de especialistas, recomendam a mamografia anual para mulheres entre 40 e 69 anos (Urban et al., 2012). Para mulheres de grupos de risco mais elevado, com história familiar de câncer de mama em parentes de primeiro grau, a mamografia é recomendada anualmente, a partir de 35 anos.
A mama é um órgão radiossensível e existe um risco de câncer induzido pela radiação associado com a mamografia (Hendrick, 2010; Yaffe e Mainprize, 2011). A densidade da mama (proporção de tecido fibroglandular) está significantemente associada com este risco (Amir et al., 2010; Boyd et al., 2011; Shepherd et al., 2011). Assim, quanto maior a densidade, ou glandularidade, da mama da mulher, maior será o risco de câncer radioinduzido.
A dose glandular média (DG) é a grandeza dosimétrica amplamente aceita para
caracterizar o risco de câncer induzido pela radiação em mamografia (ICRU, 2009). Não é possível medir a DG diretamente e sua estimativa é feita aplicando coeficientes de
conversão apropriados a valores de kerma no ar incidente (Ki). Geralmente, os
coeficientes de conversão variam com o espectro de raios X, a camada semirredutora (CSR) do feixe, a proporção de tecido glandular e espessura da mama comprimida. Tais
coeficientes de conversão foram calculados por vários autores através de simulações computacionais utilizando o método de Monte Carlo (Wu et al., 1994; Dance et al., 2000; Boone, 2002).
Alguns protocolos de dosimetria em mamografia (Brasil, 1998; IAEA, 2007; ICRU, 2009) adotam o modelo da mama típica para estimativas de dose e otimização dos sistemas de imagem. A composição deste modelo corresponde a uma mistura homogênea de 50% de tecido glandular e 50% de tecido adiposo (composição 50/50). No entanto, esta composição talvez não represente a composição típica das mamas reais (Yaffe et al., 2009). Uma vez que a DG está diretamente ligada à proporção de tecido
glandular, é necessário conhecer a densidade da mama para se estimar a DG com boa
acurácia utilizando os coeficientes de conversão apropriados (Dance et al., 2000; Boone, 2002). Além do mais, alguns estudos demonstraram que a camada de tecido adiposo ao redor do modelo de mama típica, que atua como pele, pode não ser uma aproximação realística (Huang et al., 2008; Myronakis, Zvelebil e Darambara, 2013).
A mamografia é uma técnica de imagem radiológica de baixa dose e novas tecnologias foram introduzidas, como a tomossíntese digital de mama (TDM). Estudos recentes (Gur et al., 2012) mostraram que a combinação de imagens de TDM e mamografia (técnica conhecida como modo COMBO) podem entregar valores de dose maiores que os recomendados. Além do mais, as metodologias ou protocolos atuais para o cálculo da DG não são paciente-específicos, ou seja, são métodos generalizados que
não levam em conta as particularidades anatômicas de cada paciente.
Zankl e colaboradores (2005) e Dance e colaboradores (2005), utilizando modelos antropomórficos voxelizados de mama e simulações Monte Carlo (MC), concluíram que a DG depende não somente do conteúdo glandular da mama, mas também da
distribuição deste tecido no seu interior. Cassola e Hoff (2010) demonstraram que os modelos não antropomórficos, utilizados em testes de constância e na geração de alguns coeficientes de conversão para DG, não representam a dose glandular nas mamas reais.
Na sua conclusão, eles sugerem o estudo de simuladores voxelizados para geração de dose glandular real, ou seja, da idealização de um simulador real que possa se aproximar da distribuição de uma mama antropomórfica para uso em estimativa da dose real em mama.
2 OBJETIVOS
O objetivo deste trabalho é desenvolver uma metodologia que gere modelos computacionais das mamas de cada paciente a partir das suas imagens mamográficas digitais para que se possa ter um melhor conhecimento da distribuição do tecido glandular no interior da mama. Estes modelos se diferenciarão por possuírem camadas de tecido epitelial e a distribuição espacial do tecido glandular em seu interior.
3 JUSTIFICATIVA
No país não há um protocolo de cálculo de DG recomendado e os protocolos
internacionais têm seus coeficientes de conversão baseados em modelos simplificados. Os modelos computacionais de mama obtidos neste trabalho poderão ser utilizados para estimar a DG de pacientes submetidos a exames de mamografia digital, através de
simulações Monte Carlo. Uma vez que os modelos são gerados a partir das imagens clínicas de pacientes, eles apresentam como diferencial (i) a real distribuição dos tecidos glandulares no interior da mama e (ii) uma camada de tecido epitelial ao invés de uma capa de gordura simulando a pele. Além do mais, a DG pode ser estimada sem a
necessidade do laudo médico informando a densidade da mama da paciente.
Assim, com os modelos computacionais desenvolvidos neste trabalho, é possível levar em conta as diferenças anatômicas que existem entre pacientes, a distribuição do tecido glandular no interior da mama e a geometria particular da irradiação. A DG
paciente-específica também pode ser útil para se estimar a dose com mais confiabilidade e, por consequência, o risco de incidência de câncer da paciente devido ao exame mamográfico, ou seja, uma estimativa de risco mais individualizada.
4 FUNDAMENTOS TEÓRICOS
Em imagens radiográficas de tecidos moles, apenas estruturas musculares e adiposas são registradas. Algumas características destas imagens, como contraste e nível de cinza, por exemplo, dependem do tipo de radiação, sua energia e a forma como a mesma interage com os tecidos. A mamografia, que é o exame radiográfico das mamas, faz o uso de espectros de raios X de baixas energias e sistemas de detecção especialmente projetados para realizar as imagens.
4.1Anatomia da mama
A anatomia da mama e as características dos seus tecidos fazem com que o registro de sua imagem radiográfica seja difícil. A mama jovem é mais densa e mais difícil de registrar devido a maior quantidade de tecido glandular. A mama mais velha é mais adiposa e mais fácil de registrar sua imagem. A mama normal consiste de três tecidos principais: fibroso, glandular e adiposo. Em uma mulher na pré-menopausa, os tecidos fibroso e glandular são estruturados em vários dutos, glândulas e tecidos conectivos. Estes são rodeados por uma camada fina de tecido adiposo. A aparência radiográfica dos tecidos glandular e conectivo é de alta densidade óptica. Mamas de mulheres na pós-menopausa são caracterizadas pala degeneração do tecido fibroglandular e um aumento de tecido adiposo. Os tecidos adiposos aparecem com menos densidade óptica e exigem uma exposição menor (Johns e Yaffe, 1987; Bushberg et al., 2002).
A densidade, ou glandularidade, da mama, é determinada através da sua imagem radiográfica e é expressa como a porcentagem da imagem ocupada por tecido radiologicamente denso (Boyd et al., 2011). Na figura a seguir (Fig. 1) são mostrados alguns exemplos de imagens com diferentes densidades.
Figura 1 - Imagens mamográficas com diferentes densidades. As categorias descrevem a fração de tecido glandular na mama: a) 0%; b) < 10%; c) 10-25%; d) 26-50%; e) 51-75%; f) > 75 % (Yaffe, 2008)
Atualmente, o esquema de classificação de densidade mais utilizado é o padrão BIRADS (Breast Imaging Reporting and Data System) (ACR, 1993). Este sistema possui quatro categorias: BIRADS-1 indica uma mama predominantemente gordurosa; BIRADS-2 indica densidades com tecidos glandulares dispersos; BIRADS-3 indica uma mama heterogeneamente densa; e BIRADS-4 indica uma mama extremamente densa. Cabe ao médico radiologista avaliar a imagem e classificá-la através de sua análise visual.
Segundo Yaffe e colaboradores (2009), a distribuição dos tecidos no interior da mama desperta o interesse por três razões: (i) uma alta densidade da mama está associada a uma redução na precisão diagnóstica da mamografia; (ii) a densidade está estabelecida como indicador de risco de câncer; e (iii) a densidade mamográfica é susceptível de ser utilizada para estratificar as mulheres em diferentes regimes de rastreamento. Portanto, devido à sua importância, métodos automáticos de determinação da densidade mamográfica têm sido propostos para auxiliar o médico radiologista na classificação da imagem (Percha et al., 2012; Keller et al., 2012). Existem diferentes softwares comerciais para determinar a densidade (Eng et al., 2014). Obter medidas quantitativas confiáveis da densidade da mama é muito importante e está atualmente sob rigorosa investigação científica.
4.2Sistemas de imagem mamográfica
A prática da mamografia deve ser justificada segundo um balanço risco benefício baseado na efetiva detecção precoce do câncer de mama. Para isto, é necessário que as imagens obtidas sejam de alta qualidade e a dose de radiação recebida pela paciente seja a menor possível. Equipamentos convencionais de imagem radiográfica são inaceitáveis para mamografia, que exige equipamentos especialmente projetados e dedicados (Fig. 2). Geralmente, são realizadas as imagens básicas das mamas em duas projeções: craniocaudal (CC) e mediolateral oblíqua (MLO) (Fig 3). Portanto, o exame de mamografia resulta em quatro imagens das mamas da paciente.
Figura 2 - Diagrama esquemático de um sistema de mamografia (ICRU, 2009)
Os tecidos que compõem a mama possuem baixo número atômico e densidade semelhantes, exigindo técnicas radiográficas de baixa energia. Sendo os raios X produzidos de baixa energia, haverá predominância de absorção fotoelétrica sobre o espalhamento Compton, gerando imagens com contraste apropriado.
Os raios X se originam principalmente da desaceleração dos elétrons quando os mesmos interagem com o núcleo dos átomos do material alvo, no ponto focal. Usualmente, os equipamentos de mamografia possuem ponto focal de dois tamanhos: 0,3 e 0,1 mm (Bushong, 2008). A carga elétrica no tubo, ou seja, o produto da corrente elétrica e o tempo (mAs), determina a quantidade de fótons de raios X. O espectro do feixe de radiação produzido pelo equipamento é determinado pela combinação alvo/filtro do tubo de raios X e pela diferença de potencial elétrica aplicada ao tubo (quilovolt pico, kVp). Os tubos de raios X dos mamógrafos são fabricados com alvos de tungstênio (W), molibdênio (Mo) ou ródio (Rh). A janela do tubo, por onde o feixe é emitido, é composta geralmente por berílio (Be) para que não haja atenuação significante da radiação produzida.
A energia dos fótons mais útil para aumentar a absorção diferencial no tecido mamário e para maximizar o contraste na imagem radiográfica está na faixa de 17 a 24 keV (Johns e Yaffe, 1987). Assim, os parâmetros do feixe de radiação, combinação alvo/filtro e kVp, são escolhidos para que o espectro de raios X seja acentuado nesta faixa de energia. Os filtros utilizados removem fótons de baixa energia e atenuam os de alta energia, deslocando o espectro para uma faixa de energia maior. O efeito da introdução do filtro sobre o espectro produzido pelo alvo é mostrado na Fig. 4.
Figura 4 - Espectro de raios X produzido com alvo de tungstênio com filtração de ródio (Paixão et al., 2014)
A maioria dos equipamentos de mamografia convencional possuem combinação alvo/filtro de molibdênio/molibdênio (Mo/Mo) e muitos são equipados com combinações Mo/Rh, W/Rh e Rh/Rh. Novos filtros têm sido introduzidos com a utilização crescente de equipamentos de mamografia digital, como, por exemplo, filtros de prata (Ag) e alumínio (Al) para combinação com alvos de W (Dance, Young e Engen, 2009). A combinação alvo/filtro e o kVp utilizados para a geração de uma imagem são recomendados de acordo com a espessura da mama comprimida (EMC) . Um exemplo pode ser visto na Tab. 1.
Tabela 1 - Técnica Mamográfica (Bushong, 2008) EMC (cm) alvo/filtro kVp
0 - 2 Mo/Mo 24 3 - 4 Mo/Mo 25, 26 5 - 6 Mo/Rh 28 7 - 8 Mo/Rh 32
O feixe de radiação, após passar pelo filtro, atinge um colimador que define as dimensões do mesmo e, em seguida, uma bandeja plástica que comprime a mama. A bandeja de compressão ajuda a uniformizar a espessura da mama, gerando uma exposição mais uniforme na imagem produzida. Além do mais, a compressão ajuda a imobilizar a mama, diminuindo o borramento da imagem, reduz a radiação espalhada melhorando a resolução de contraste e espalha o tecido reduzindo a superposição de estruturas da mama. Em resumo, há uma melhora na qualidade da imagem que permite a detecção de pequenas lesões de baixo contraste e microcalcificações de alto contraste. Adicionalmente, uma compressão vigorosa da mama resulta em uma menor dose de radiação para a paciente (Bushong, 2008; Dendy e Heaton, 2012).
Os fótons que são transmitidos através da mama e do suporte da mama incidem sobre a grade. A função da grade é aumentar a resolução de contraste da imagem absorvendo a radiação espalhada. A maioria dos sistemas utiliza a grade móvel. As grades não comprometem a resolução espacial do sistema, mas aumentam a dose de radiação no paciente. Após atravessar a grade, os fótons passam pelo invólucro do receptor de imagem atingindo, finalmente, o receptor de imagem, onde interagem e depositam sua energia. Assim, a imagem da mama da paciente será formada no receptor de imagem.
4.3Receptores de imagem
A mamografia pode ser classificada como convencional ou digital, dependendo do tipo de receptor de imagem utilizado. Na mamografia convencional, o receptor de imagem é o sistema tela/filme (STF). As imagens geradas estão no formato de filme (hard copy). Entre as vantagens deste sistema está sua alta resolução espacial (da ordem de 14 pl/mm), que possibilita a detecção das microcalcificações. A principal desvantagem deste tipo de receptor de imagem é seu estreito alcance dinâmico, ou latitude, que é o número de tons de cinza que um sistema de imagem pode reproduzir. É uma consequência do comportamento não linear da curva de resposta do filme (Fig. 5). O alcance dinâmico é essencialmente de três ordens de magnitude, de uma densidade óptica (DO) que varia de aproximadamente 0,2 até 3. Isto representa um alcance dinâmico de 630, ou seja, 630 tons de cinza, mas o observador somente poderá visualizar trinta tons de cinza (Bushong, 2008). Isto reduz a possibilidade de se detectar diferenças sutis de densidade e composição dos tecidos ou estruturas, sendo especialmente grave no caso de mamas com alta glandularidade.
Figura 5 - Curva de resposta do STF e sistema digital (Peixoto, 2009)
A mamografia digital se caracteriza pela geração de imagens radiográficas digitais (soft copy), onde o sistema tela/filme dá lugar a detectores eletrônicos (Kalaf, 2014). Dentre os sistemas para a geração da imagem digital, podemos destacar dois grupos. Ao primeiro pertencem os detectores com fósforos fotoestimuláveis, que são os sistemas de Radiografia Computarizada (CR). No segundo grupo estão os sistemas de Radiografia
Digital (DR), que são os que possuem detectores integrados ou detectores tela plana de selênio amorfo (a-Se). Uma descrição detalhada destes sistemas pode ser encontrada na literatura (ICRU, 2009; Chevalier e Torres, 2010; Oliveira, 2011). As características dos sistemas digitais podem mitigar algumas desvantagens associadas ao sistema convencional. A principal diferença entre os sistemas convencionais e digitais, essencial para o desenvolvimento deste trabalho, está no alcance dinâmico dos detectores digitais. O alcance dinâmico dos detectores digitais é muito superior ao do filme radiográfico. O tom de cinza em cada ponto da imagem vai depender fundamentalmente da digitalização do sinal. Assim, o alcance dinâmico dos sistemas de imagem digital é identificado pela capacidade de bits de cada pixel (profundidade do pixel) da imagem. Como a resolução de contraste é muito importante em mamografia, os sistemas digitais possuem alcance dinâmico de 16 bits (216 = 65536 tons de cinza). Além disso, a resposta dos sistemas digitais é linear com a intensidade de radiação (Fig. 5) que chega ao receptor de imagem. Em geral, para os sistemas DR, essa resposta segue uma relação linear e, para os sistemas CR, ela segue uma relação logarítmica. Assim, o tom de cinza de um dado pixel de uma imagem radiográfica digital representa a intensidade da radiação que atingiu o detector na coordenada (x,y) que tal pixel representa. Portanto, podemos afirmar que o tom de cinza de um determinado pixel reflete a atenuação do feixe de raios X pela espessura e composição de tecido que se encontra na direção do pixel.
Os detectores digitais têm uma resolução espacial pior que a dos sistemas convencionais (entre 5 e 10 pl/mm), devido a limitações de fabricação do tamanho dos pixels dos detectores. Isto implica que algumas microcalcificações poderiam não ser detectadas. Porém, alguns estudos apontam que o desempenho diagnóstico da mamografia digital na detecção do câncer de mama foi comparável ou superior ao da mamografia convencional, sendo que um estudo apontou uma superioridade dos sistemas digitais para mamas heterogeneamente ou extremamente densas (Pisano et al., 2005).
Alguns estudos comparam os sistemas convencionais aos digitais em relação à dose glandular média (Hendrick et al., 2010; Timmermans et al., 2014; Stantic et al., 2013). Os resultados sugerem que uma redução na dose pode ser alcançada pelos sistemas digitais, mas não em todos os casos (Thierry-Cheff et al., 2012; Timmermans
et al., 2013). Atualmente, tanto a mamografia convencional quanto a digital podem ser empregadas para o rastreamento populacional do câncer de mama (Urban et al., 2012).
4.4Dosimetria em mamografia
A eficácia da mamografia, seja ela convencional ou digital, depende da produção de imagens de alta qualidade, assegurando que a dose de radiação absorvida na paciente seja mantida tão baixa quanto razoavelmente exequível. Por esta razão, um programa de garantia da qualidade é fundamental para manter o sistema de mamografia em condições ótimas. A dosimetria da mama é uma parte importante do programa de garantia da qualidade, pois fornece meios para definição e verificação de padrões de boas práticas e também na otimização da proteção radiológica de pacientes. É também um fator importante na avaliação da evolução dos sistemas de imagens mamográficas e na comparação de desempenho entre diferentes centros (Dance, Skinner e Carlsson, 1999). Várias grandezas dosimétricas foram definidas para medição e cálculo em física das radiações aplicada às imagens médicas com raios X. Algumas dessas grandezas, relevantes para a dosimetria em mamografia, são sumarizadas a seguir.
4.4.1 Kerma no ar incidente
A energia dos fótons é transmitida à matéria em um processo de dois estágios. No primeiro, os fótons transferem energia para as partículas carregadas secundárias (elétrons) através de diferentes interações (efeito fotoelétrico, efeito Compton, produção de pares, etc.). No segundo estágio, as partículas carregadas transferem energia para o meio através de excitações atômicas e ionizações. O kerma (kinetic energy released per unit mass) é um acrônimo para a energia cinética liberada por unidade de massa. É uma grandeza não estocástica aplicável às radiações indiretamente ionizantes, como os fótons e os nêutrons. Neste contexto, o kerma é definido como a energia média transferida pela radiação indiretamente ionizante a partículas carregadas (elétrons) do meio, dEtr, por unidade de massa, dm:
dm dE K = tr
A unidade do kerma é joule por kilograma (J/kg). O nome dado à unidade é o gray (Gy), onde 1 Gy = 1 J/kg.
O kerma no ar incidente, Ki, é o kerma para o ar de um feixe incidente de raios X
medido no eixo central do feixe na posição de superfície do paciente ou objeto simulador. No contexto deste trabalho, o Ki é medido numa posição correspondente à
espessura da mama comprimida em relação ao suporte da mama do mamógrafo. Somente é levada em conta a radiação que incide sobre o paciente ou objeto simulador, não incluindo a radiação retroespalhada (IAEA, 2007). Caso a radiação retroespalhada seja incluída, não teremos mais o Ki, mas sim, o chamado kerma no ar na superfície de
entrada (Ke).
4.4.2 Rendimento do tubo de raios X
O rendimento é um parâmetro de funcionamento do tubo de raios X que pode ser utilizado, em conjunto com a lei do inverso do quadrado da distância, para se obter o Ki
na superfície da mama ou objeto simulador. O rendimento do tubo de raios X, Y(d), é definido como a razão entre o kerma no ar, K(d), a uma distância do ponto focal, d, e a carga do tubo utilizada:
It P d K d Y( )= ( ) (2)
A unidade do rendimento é o Gy/mAs. Uma vez que se determina o rendimento do tubo de raios X, podemos obter Ki a partir de Y(d). Para isto, a carga do tubo de raios X (PIt),
empregada para a exposição da mama ou objeto simulador, deve ser conhecida. Deve-se observar que esta carga será diferente da utilizada para a determinação do Y(d). Para não haver erro, denominaremos a carga utilizada na exposição da mama ou objeto simulador de mAs. Além disso, deve-se conhecer a distância foco-superfície (dFS) para mama
comprimida. O valor da dFS pode ser obtido da distância entre o ponto focal e o suporte
da mama (dFB) e a espessura da mama comprimida (EMC): dFS =dFB – EMC.
O cálculo do Ki a partir do Y(d) é dado pela seguinte equação:
= 2 2 ) ( FS i d d mAs d Y K (3)
4.4.3 Dose absorvida
A dose absorvida (D) é uma grandeza não estocástica aplicável a radiações direta e indiretamente ionizantes. Quando a radiação indiretamente ionizante transfere energia na forma de energia cinética para as partículas carregadas secundárias, essas partículas transferem parte da sua energia cinética para o meio (energia absorvida) e perdem parte da sua energia sob a forma de perda radiativa (bremsstrahlung, por exemplo).
A dose absorvida está relacionada à energia absorvida pelo meio, dEab, por
unidade de massa, dm:
dm dE
D= ab (4)
A unidade de dose absorvida também é o joule por quilograma ou gray (Gy).
4.4.4 Dose glandular média
A mamografia utiliza radiação ionizante para formar as imagens e parte da energia dos raios X é depositada nos tecidos mamários, resultando em dose absorvida (D). Uma parte da energia da radiação que é absorvida pela mama pode ser depositada na pele e no tecido adiposo. Porém, acredita-se que o tecido fibroglandular, ou somente tecido glandular, possui o maior risco de câncer induzido pela radiação. Assim, a dose glandular média (DG) é definida como a dose absorvida pelos tecidos glandulares.
É difícil ou até mesmo impossível medir a DG diretamente em qualquer mama
individual. Portanto, ela deve ser estimada utilizando coeficientes de conversão que relacionam uma grandeza dosimétrica mensurável à DG. Tais coeficientes de conversão
são baseados em modelos simplificados de mama (Hammerstein et al., 1979; Stanton et al., 1984). Hammerstein e colaboradores (1979) mediram coeficientes de conversão para DG em função da grandeza exposição para modelos de mama média, utilizando
dosímetros termoluminescentes. Alguns anos depois, os coeficientes de conversão passaram a ser estimados por técnicas de simulação computacional utilizando o Método de Monte Carlo (MC) (Dance, 1990; Wu, Barnes e Tucker, 1991). As técnicas de MC na simulação do transporte da radiação são reconhecidas como uma importante ferramenta nos cálculos de doses em vários campos ligados à Física Médica. Os códigos
de MC podem ser usados na radiologia para simular e caracterizar os feixes de fótons produzidos, bem como a dose de radiação absorvida pelos órgãos dos pacientes. Atualmente, os coeficientes de conversão calculados pelo método de MC são recomendados por vários protocolos de dosimetria em mamografia (Commission of the European Communities, 2006; IAEA, 2007; ICRU, 2009; SEFM, 2012).
Os coeficientes de conversão são chamados coeficientes de dose glandular normalizada (DGN). Estes coeficientes são a razão entre a DG e o Ki, ou seja, a DG
normalizada pelo Ki. Assim, os coeficientes são reportados em mGy/mGy. Os
coeficientes recomendados pelo ACR são reportados em unidades dosimétricas antigas (mRad/R), mas podem ser convertidos para as unidades do Sistema Internacional multiplicando-os pelo fator 873-1 (Boone, 1999). Logo, a estimativa da DG é feita
através do produto do kerma no ar incidente e o coeficiente de conversão apropriado:
DG =Ki DGN (5)
O Ki utilizado em (5) deve ser determinado para uma posição que represente a
superfície da mama ou objeto simulador (dFS). O fator de conversão a ser aplicado deve
ser escolhido de acordo com as características físicas da mama irradiada, bem como as características do feixe de radiação incidente que determinam o Ki. Cada valor de DGN
reflete um conjunto de variáveis relacionadas à exposição e, também, suposições feitas em relação às características da mama que refletem o modelo (físico ou matemático) utilizado para sua obtenção.
Dentre os parâmetros que influenciam na determinação dos valores de DGN,
podemos citar (Wu et al., 1994; Dance et al., 2000; Boone, 2002):
(i) o potencial elétrico aplicado ao tubo de raios X (kV), que determina a energia máxima dos fótons emitidos;
(ii) a composição do alvo, que influencia na forma do espectro de radiação emitido; (iii) a filtração do feixe de raios X, representada pela grandeza camada semirredutora (CSR), tipicamente expressa em milímetros de alumínio (mmAl). A CSR é definida como a espessura de material que reduz a intensidade do feixe de radiação pela metade; (iv) a espessura da mama comprimida (EMC), pois mamas maiores precisam de um Ki
(v) e a composição da mama, que se refere à proporção de tecidos glandulares e adiposos. Um modelo bastante utilizado é o chamado modelo da mama típica, cuja composição é uma mistura homogênea de 50% tecido glandular e 50% tecido adiposo (composição 50/50).
Assim, os valores dos coeficientes de conversão são tabelados em função da composição da mama, EMC, kV e/ou CSR e combinação alvo/filtro. Vários protocolos internacionais (IAEA, 2007; ICRU, 2009; IAEA, 2011) recomendam os coeficientes de conversão calculados por Dance e colaboradores (Dance, 1990; Dance et al., 2000; Dance, Young e Engen, 2009). Já o Colégio Americano de Radiologia (ACR) recomenda os coeficientes calculados por Wu e colaboradores (Wu, Barnes e Tucker, 1991; Wu et al., 1994) e por Boone (1999 e 2002). Existem várias diferenças entre os trabalhos destes autores, como, por exemplo, diferentes códigos de MC e bibliotecas de seção de choque, espectros de raios X, diferenças geométricas, etc. Porém, todos utilizam um modelo simplificado para a mama comprimida (Fig. 6).
Figura 6 - Modelo geométrico de mama (Wu, Barnes e Tucker, 1991)
A mama é modelada na forma de um “D”, semielíptico ou semicilíndrico. A espessura do modelo corresponde à EMC. Os valores de DGN podem variar para
espessuras entre 2 ≤ EMC ≤ 12 cm. A borda sombreada do modelo (Fig. 6) representa a camada de pele da mama. Esta camada de pele é representada por tecido adiposo nas simulações, sendo de 4 mm de espessura nos trabalhos de Wu e colaboradores e de 5 mm nos trabalhos de Dance e colaboradores. Porém, alguns trabalhos (Huang et al., 2008; Myronakis, Zvelebil e Darambara, 2013) sugerem que esta aproximação pode não ser correta, o que acarretaria uma modificação nos valores de DGN. A região central do
modelo representa o conteúdo glandular da mama (densidade ou glandularidade da mama). Além da composição típica (50/50), os DGN são obtidos também para modelos
com 100% de glandularidade (composição 100/0) e 0% de glandularidade (composição 0/100, com 100% de tecido adiposo). Os coeficientes de conversão para outras composições (25/75, por exemplo) podem ser obtidos a partir de interpolação dos dados das demais composições. No trabalho de Dance e colaboradores (2000), o coeficiente DGN é dividido em três componentes:
DGN =gcs (6)
onde g é o fator que converte o kerma no ar incidente em dose glandular média, para um modelo com composição 50/50 (Dance, 1990). O fator c corrige o fator g para diferentes composições, sendo tabulado para composições com glandularidade de 0,1%, 25%, 75% e 100%. Para mamas com 50% de glandularidade, c é igual à unidade. O fator s corrige para o uso de espectros de raios X diferentes dos utilizados nos cálculos de g. Com a introdução de sistemas de mamografia digital, outros espectros estão sendo utilizados. Dance, Young e Van Engen (2009) calcularam valores do fator s para combinações alvo/filtro de W/Ag e W/Al.
Para a dosimetria de pacientes que realizam um exame de mamografia, são coletados os dados de irradiação da paciente: combinação alvo/filtro, kV, mAs e EMC. Estes dados são utilizados para se estimar o Ki. Para se estimar o coeficiente de
conversão apropriado, além dos dados de irradiação, é necessária a estimativa da glandularidade da mama da paciente. Dance e colaboradores (2000) propuseram uma estimativa da composição média da mama em função da EMC, baseando-se em estudos que estimaram a composição das mamas de mulheres que participaram de rastreamentos no Reino Unido. Com as glandularidades médias das mamas de dois grupos etários (um grupo com idades entre 40 e 49 anos e o outro com idades entre 50 e 64 anos), determinaram uma curva que relaciona a glandularidade da mama em função da EMC. Porém, esta é uma estimativa baseada em mamas europeias e pode não ser válida para outras etnias e faixas etárias. Além do mais, foi baseada em imagens de equipamentos com combinações Mo/Mo e Mo/Rh, muito diferentes dos espectros de mamografia digital. A estimativa da glandularidade também pode ser obtida através do laudo da imagem pelo médico radiologista, que fará a classificação de acordo com o método BIRADS, ou através de sistemas CAD.
O sistema de dosimetria em mamografia descrito foi desenvolvido para sistemas de mamografia convencional e vem sendo utilizado também em sistema digitais. Com o aumento do uso de sistemas de imagens digitais faz-se necessário o conhecimento de propriedades destas imagens. Algumas propriedades das imagens digitais e dos sistemas que as geram poderão ser utilizadas em uma nova metodologia de dosimetria em mamografia, que não dependerá de modelos tão simplificados e nem da determinação da glandularidade da mama.
4.5Imagens digitais
Uma imagem pode ser definida como uma função bidimensional, f(x,y), onde x e y são coordenadas espaciais (plano), e a amplitude de f em quaisquer coordenadas (x,y) é chamada de intensidade ou tom de cinza da imagem naquele ponto. Quando x, y e os valores de amplitude são todos quantidades finitas e discretas, chamamos a imagem de imagem digital.
A imagem digital é composta de um número finito de elementos, cada um possuindo localização e valor particulares. Estes elementos são chamados de elementos da imagem ou pixels (picture elements). Pixel é o termo mais utilizado para denotar os elementos de imagem no campo do processamento de imagens digitais (Gonzalez e Woods, 2000). Com a evolução da tecnologia de obtenção de imagens médicas, principalmente com a aquisição de imagens tomográficas, os pixels das imagens, quando estendidos em três dimensões, transformam-se em volumes cúbicos chamados de voxels. Os voxels têm a mesma área dos pixels, mas também incluem a dimensão de espessura que representa uma fatia de um objeto tridimensional (Fig. 7). Assim, o termo voxel se aplica a elementos de volume.
O valor da amplitude de f no ponto (x,y) é uma grandeza escalar positiva cujo significado físico é determinado pela fonte da imagem. No contexto deste trabalho, o valor da função determina um tom de cinza e o significado físico deste enegrecimento é o grau de atenuação dos raios X (fonte da imagem) pelo tecido do paciente. Para exemplificar, suponha dois pixels de uma imagem digital num sistema de imagens de 8 bits (28 = 256 tons de cinza): um pixel com valor 0 (zero) e o outro com valor 255. O primeiro apresenta a cor preta e o outro apresenta a cor branca. Fisicamente, no ponto representado pelo primeiro pixel não houve atenuação dos raios X. Já no segundo pixel, a atenuação foi total. Para que o sinal da interação dos raios X com o detector seja transformado em um valor de tom de cinza na imagem digital são necessários dois processos: amostragem e quantização.
Um sinal pode ser contínuo com respeito às coordenadas x e y e também quanto à amplitude. Para convertê-lo para a forma digital, deve-se amostrar a função em amplitude e em coordenadas. A digitalização dos valores de coordenada é chamada amostragem. A digitalização dos valores de amplitude é chamada quantização (Gonzalez e Woods, 2000). O resultado da amostragem e quantização é uma matriz de números reais. Basicamente, a amostragem converte o sinal analógico em uma matriz de M x N pontos, cada qual é um pixel (Fig. 8). Assuma que uma imagem f(x,y) é amostrada de modo que a imagem digital resultante tenha M linhas e N colunas. Os valores das coordenadas (x,y) tornam-se agora quantidades discretas.
Figura 8 - Sistema de coordenadas para representação de imagens digitais (Gonzalez e Woods, 2000)
A notação introduzida nos permite escrever a imagem digital completa M x N na forma de uma equação matricial (Fig. 9). O lado direito da equação matricial é, por definição, uma imagem digital. Cada elemento desta matriz é um pixel.
Figura 9 - Imagem digital na forma matricial (Gonzalez e Woods, 2000)
O processo de digitalização exige decisões sobre os valores de M, N, e para o número, L, de tons de cinza discretos permitidos para cada pixel. Não existem requisitos para M e N, exceto que sejam números inteiros positivos. No entanto, devido a considerações de hardware para processamento, armazenamento e amostragem, a quantização faz com que o número de tons de cinza de cada pixel seja uma potência inteira de 2: L = 2k. Assume-se que os níveis discretos são igualmente espaçados e que eles são inteiros no intervalo [0, L - 1]. Por vezes, o intervalo de valores estendidos pela escala de tons de cinza é chamado intervalo dinâmico da imagem. Quando uma imagem pode ter 2k níveis de cinza, é comum se referir à imagem como uma "imagem de k bits." A imagem digital gerada pelo sistema de mamografia do Laboratório de Radioproteção Aplicada a Mamografia (LARAM) do Centro de Desenvolvimento da Tecnologia Nuclear (CDTN) possui as seguintes características: M = 3584, N = 4784, 65536 tons de cinza (imagem 16-bit; L = 216).
As imagens médicas são produzidas em um formato padrão que garante a adaptabilidade entre diferentes sistemas de imagem. Este padrão é chamado DICOM (Digital Imaging and Communications in Medicine). As imagens médicas no padrão DICOM possuem um cabeçalho onde estão gravadas várias informações relativas à imagem, como, por exemplo, dados de exposição e dados do paciente (Fig. 10).
Figura 10 - Cabeçalho DICOM de uma imagem mamográfica
A imagem que corresponde ao cabeçalho da Fig. 10 foi manipulada pelo programa ImageJ (Ferreira e Rasband, 2012), que possui várias ferramentas de processamento de imagens digitais e a habilidade de utilizá-las em imagens no formato DICOM. A principal vantagem da imagem digital sobre a imagem em filme é a habilidade de manipular a imagem antes da visualização (pré-processamento) ou depois da visualização (pós-processamento). Geralmente, o objetivo do processamento de imagens digitais é melhorar a qualidade ou extrair informações das imagens. Em medicina, o processamento das imagens médicas tem como objetivo facilitar o diagnóstico. Estes processamentos são feitos com o auxílio de programas computacionais devido ao número elevado de operações matemáticas. Existem vários programas para a manipulação de imagens digitais, sendo muitos deles de uso gratuito. Dependendo da necessidade do usuário, no entanto, talvez seja necessário que ele desenvolva seu próprio programa.
5 MATERIAIS E MÉTODOS
A natureza deste trabalho exige do pesquisador habilidades teóricas e experimentais. Alguns métodos descritos são inéditos e foram desenvolvidos para alcançar os objetivos desta pesquisa. A parte experimental do trabalho foi realizada no LARAM/CDTN e em uma clínica especializada em mamografia, na cidade de Belo Horizonte, Brasil.
5.1Materiais
Neste trabalho foram utilizados dois sistemas de imagem mamográfica, um detector de radiação, objetos simuladores de tecido mamário, placas de polimetilmetacrilato (PMMA), um computador e um código de Monte Carlo. Estes materiais são descritos em detalhes a seguir.
5.1.1 Sistemas de mamografia
Para a geração de feixes de raios X e produção de imagens, foram utilizados dois sistemas de imagem em mamografia, sendo um de pesquisa e o outro clínico. O mamógrafo de pesquisa é um modelo Siemens MAMMOMAT 3000 Nova, que pode fazer imagens com as seguintes combinações alvo/filtro: Mo/Mo, Mo/Rh e W/Rh. Para processar a imagem, ele usa um sistema digital CR, que utiliza placas de fósforo modelo EHR-M2 Kodak DirectView CR Mammography Cassete. As imagens são digitalizadas na processadora de imagem modelo Kodak DirectView 850 System. Este sistema de imagem mamográfica possui um tubo de raios X com ponto focal de 0,3 mm e janela de berílio. A distância entre o ponto focal e o suporte da mama é de 65 cm e o suporte da mama possui uma área de 18 x 24 cm2.
O mamógrafo clínico é um modelo Hologic Selenia Dimensions, que possui detector de selênio amorfo (a-Se) e utiliza as combinações alvo/filtro de W/Rh e W/Ag. Este equipamento permite realizar imagens com a tecnologia TDM, mas, no contexto deste trabalho, ele foi utilizado no modo DR. Este sistema possui ponto focal de 3 mm, uma janela de berílio de 0,63 mm e filtro de ródio de 50 µm de espessura. A distância
entre o ponto focal e o suporte da mama é de 67,5 cm, sendo que o suporte da mama possui uma área de 18 x 24 cm2.
5.1.2 Detector de radiação
As medições de grandezas dosimétricas foram realizadas utilizando um conjunto detector calibrado do fabricante Unfors (Fig. 11). Este conjunto é composto por um detector de estado sólido, modelo 8202031-H Xi R/F & MAM Detector Platinum, série 181096, conectado à unidade base modelo 8201023-C Xi Base unit Platinum Plus w mAs, série 190046.
Figura 11 - Conjunto detector Unfors
O detector é capaz de medir o Ki e a CSR dos feixes de raios X gerados pelos
sistemas de mamografia, levando em conta a combinação alvo/filtro apropriada.
5.1.3 Objetos simuladores de tecido
Para simular a atenuação da radiação pelos tecidos mamários, foram utilizados dois conjuntos de fatias de objetos simuladores de tecido (Mammography Testing Slabs) do fabricante Computerized Imaging Reference Systems, Inc. Um conjunto simula tecidos glandulares (composição 100/0) e, o outro, tecidos adiposos (composição 0/100). Os conjuntos possuem uma fatia de 0,5 cm, duas fatias de 1 cm e três fatias de 2 cm de espessura. Em testes de controle de qualidade em mamografia, a simulação dos tecidos mamários é feita utilizando-se placas de PMMA (IAEA, 2007). Neste trabalho foram utilizadas placas de PMMA cuja espessura total é igual a 4 cm.
5.1.4 Computador e código de Monte Carlo
O desenvolvimento dos modelos tridimensionais de mama, o processamento de imagens digitais, a programação computacional e as simulações computacionais MC foram todos realizados utilizando um computador do LARAM. Este computador está equipado com quatro processadores Intel Xeon 3,30 GHz e 4 GB de memória RAM. O sistema operacional utilizado foi o Ubuntu versão 12.04 LTS. O uso do sistema operacional Linux facilita a programação computacional utilizando a linguagem de programação C++ através do uso do compilador g++ e do programa editor de textos gedit.
As simulações Monte Carlo foram realizadas utilizando o código EGSnrc (Electron Gamma Shower National Research Council Canada). As técnicas de Monte Carlo (MC) na simulação do transporte da radiação são reconhecidas como uma importante ferramenta nos cálculos de doses em vários campos ligados à Física Médica, sendo o EGSnrc o código mais amplamente utilizado (Rogers, 2006). O código é capaz de simular o transporte de elétrons e fótons em qualquer elemento, composto ou mistura. A faixa de energia cinética para partículas carregadas varia de poucas dezenas de keV até poucas centenas de GeV. A faixa de energia para fótons fica entre 1 keV e centenas de GeV. Vários processos físicos são levados em conta no código EGSnrc, como, por exemplo, produção de bremsstrahlung, aniquilação de pósitrons, espalhamento múltiplo de partículas carregadas, espalhamentos Compton e coerente, efeito fotoelétrico, etc (Kawrakow et al., 2011).
5.2Métodos
São descritos a seguir os métodos, tanto teóricos como experimentais, utilizados para se alcançar os objetivos deste trabalho. Primeiramente procurou-se confirmar o comportamento da função de resposta dos receptores de imagem digital e estabelecer como os dados de tons de cinza das imagens digitais seriam obtidos. Em seguida foi construída a base de dados de tons de cinza, foram desenvolvidos os programas computacionais, o desenvolvimento da metodologia de geração dos modelos computacionais de mama, feita a validação do código e das simulações Monte Carlo, a coleta de imagens de pacientes e a dosimetria.
5.2.1 Linearidade da resposta dos receptores de imagem digital
O teste de linearidade garante a característica de linearidade da resposta do sistema e, por consequência, os resultados obtidos neste trabalho. No caso do mamógrafo de pesquisa, verificou-se se a resposta do sistema de mamografia digital CR (mamógrafo, placa de imagem e processadora) era linear em função do logaritmo da radiação incidente (Ki). Para isto, um objeto simulador de PMMA de 4 cm de espessura,
atuando como objeto espalhador, foi posicionado o mais próximo possível da saída do tubo, sobre a bandeja de compressão (Fig. 12a).
Figura 12 - Posicionamento do objeto espalhador (a) e do detector (b) para o teste de linearidade
Os feixes de raios X foram gerados com uma tensão de 28 kVp e uma combinação alvo/filtro de Mo/Mo. Foram realizadas irradiações que geraram nove imagens digitais, utilizando os seguintes valores de carga do tubo: 4, 8, 16, 25, 32, 45, 63, 100 e 140 mAs com a placa de imagem no bucky. As placas de imagem foram processadas na leitora CR e as imagens salvas sem processamento (raw images – imagens brutas). Em seguida, o detector de radiação é posicionado sobre o suporte da mama, com seu volume sensível centralizado lateralmente e distante 6 cm da borda do receptor (parede torácica) (Fig. 12b). Foram realizadas outras nove irradiações utilizando os mesmos valores de carga do tubo e mediram-se os valores correspondentes de Ki.
Cada uma das imagens foi analisada com o programa ImageJ e, utilizando uma região de interesse (ROI) de 100 x 100 pixels (5 x 5 mm2), obteve-se o tom de cinza médio na ROI (valor médio dos pixels, VMP). As ROIs eram posicionadas nas imagens a uma distância de 6 cm da parede torácica e centradas lateralmente, representando o
mesmo local onde o detector foi posicionado. Ao se plotar em um gráfico os valores de tons de cinza (VMP) das imagens em função do logaritmo do kerma no ar incidente, deve-se obter uma reta, com o valor do coeficiente do ajuste linear (R2) maior que 0,99 (SEFM, 2012).
No caso do mamógrafo clínico, a linearidade da resposta do receptor de imagem foi confirmada no trabalho de pesquisa de Oliveira (2014). Ambos os mamógrafos haviam sido submetidos a testes de controle de qualidade, anteriores ao desenvolvimento deste trabalho.
5.2.2 Estudo dos tons de cinza dos objetos simuladores
Para a geração dos modelos computacionais de mama de pacientes é necessário a construção de uma base de dados de tons de cinza (TC) para os diferentes tipos de tecido. Para determinar como seriam obtidos os valores de TC para a construção desta base de dados, foram realizadas irradiações de modelos de mama 100% adiposas no mamógrafo de pesquisa. As imagens dos modelos de mama foram realizadas com as fatias de tecido totalizando diferentes espessuras (2, 3, 4,5, 5 e 7 cm), posicionadas sobre o suporte da mama e sob a bandeja de compressão, centralizadas lateralmente (Fig. 13). As irradiações foram realizadas com combinação alvo/filtro de Mo/Mo utilizando-se quatro valores de tensão: 26, 28, 30 e 32 kVp. Para cada kVp e modelo de mama foram feitas nove imagens, utilizando um valor de mAs diferente em cada uma. Os valores de mAs foram os mesmos utilizados no teste de linearidade.
As imagens foram salvas sem processamento (raw images). Cada uma das imagens foi analisada com o programa ImageJ e, utilizando uma ROI de 5 x 5 mm², obteve-se o TC do modelo através do VMP na ROI. A posição da ROI foi escolhida como sendo uma região onde a imagem tivesse um aspecto uniforme e representasse o modelo irradiado. Foi escolhida a posição cuja coordenada x era igual a 90,00 e a coordenada y igual a 110,0 (ver Fig. 8). A Fig.14 a seguir mostra a imagem de um modelo de mama visualizada no programa ImageJ com a especificação da ROI para a determinação do tom de cinza associado. Neste exemplo, o modelo tem 7 cm de espessura e foi irradiado com tensão de 32 kVp e carga de 4 mAs.
Figura 14 - Posicionamento da ROI para obtenção do TC
5.2.3 Construção da base de dados de tons de cinza
A base de dados de tons de cinza foi construída no mamógrafo clínico, uma vez que as imagens de pacientes que gerarão os modelos computacionais foram obtidas deste sistema. As irradiações foram realizadas no modo DR com uma combinação alvo/filtro de W/Rh.
Foram utilizados objetos simuladores de tecido com duas composições diferentes, posicionados sobre o suporte da mama, centralizados lateralmente e comprimidos pela bandeja de compressão. Foram irradiados objetos simuladores de tecido glandular (100/0) com 2, 4,5 e 8 cm de espessura, e de tecido adiposo (0/100) com espessura de 2
cm. Outras espessuras de tecido adiposo não são necessárias. As imagens destes objetos foram obtidas com tensões do tubo de raios X variando entre 27 e 31 kVp e com três valores de carga: 63, 100 e 140 mAs. Cada imagem, sem processamento, foi visualizada utilizando o programa ImageJ e o valor de tom de cinza médio (TC) correspondente foi obtido utilizando-se uma ROI de 5 x 5 mm2, como descrito anteriormente (Fig. 14).
Assim, foi possível construir uma base de dados na qual, para cada valor de kVp, existe um valor de TC associado ao valor de carga do tubo de raios X e à composição e espessura do objeto simulador de mama. Os valores de TC para diferentes valores de espessura e mAs podem ser obtidos através de interpolações apropriadas desta base de dados.
5.2.4 Classificação de tecidos nas imagens clínicas
A função da base de dados de tons de cinza de tecidos é fornecer os valores de TC que serão utilizados para classificar os tecidos nas imagens clínicas. A diferenciação dos tecidos nas imagens clínicas permitirá a construção dos modelos computacionais das mamas de pacientes.
Os dados de irradiação de cada paciente, tais como EMC, combinação alvo/filtro, kVp e mAs, podem ser obtidos no cabeçalho DICOM das imagens clínicas (Fig. 10). As imagens digitais geradas pelo mamógrafo clínico são imagens de 16 bits que possuem 2560 x 3328 pixels com 65 µm cada. Este sistema salva as imagens de duas formas: sem processamento e com processamento (Fig. 15).
As imagens processadas são aquelas que o médico radiologista utilizará para fazer o diagnóstico. Nestas imagens foram aplicados diversos filtros, correções e outros processamentos que a tornam própria para a tarefa diagnóstica. Neste trabalho necessitamos das imagens brutas, sem processamento, que conservam as informações de atenuação da radiação pelos tecidos. Em uma imagem clínica sem processamento, os valores de TC que correspondem aos tecidos glandulares e adiposos podem ser determinados na base de dados de tons de cinza.
Uma vez que é difícil se obter a distribuição de espessuras do tecido glandular, uma aproximação foi feita. No modelo computacional gerado o tecido glandular será espacialmente distribuído como na imagem clínica, mas possuirá uma espessura constante. Com o intuito de ser conservativo, o valor da espessura é definido como o ponto médio entre 2 cm e a EMC. Portanto, o tom de cinza característico dos tecidos glandulares (TCG) é definido como o valor do TC na base de dados que corresponde a uma espessura igual ao ponto médio entre 2 cm e a EMC da imagem clínica. Assim, para uma mama cuja EMC seja igual a 4 cm, o TCG para a classificação dos tecidos da sua imagem clínica será obtido na base de dados para uma espessura de 3 cm. A lógica por trás desta aproximação é que tecidos glandulares com espessura maior ou igual a 3 cm serão modelados como voxels glandulares cuja altura é igual a 3 cm no modelo de mama gerado. Tecidos glandulares com espessuras menores que 3 cm serão modelados como voxels de tecido adiposo.
O tom de cinza característico dos tecidos adiposos (TCA) é definido como o valor do TC na base de dados que corresponde a uma espessura de 2 cm, independentemente da EMC. É importante ressaltar que os valores devem ser obtidos na base de dados levando em conta o kVp, mAs e combinação alvo/filtro utilizados na formação da imagem clínica. Uma vez definidos os valores de TCG e TCA de uma determinada imagem clínica, estes valores serão inseridos em um programa computacional desenvolvido para executar a função de classificação ou segmentação de tecidos (APÊNDICE A).
Antes de se fazer a classificação de tecidos de uma imagem clínica, a mesma deve ser salva em formato de texto. O programa classificador de tecidos somente processará as imagens clínicas se as mesmas estiverem neste formato. A conversão da imagem DICOM para o formato texto é feita utilizando-se o programa ImageJ. O classificador de tecidos analisa o valor de TC de cada pixel da imagem clínica e os classifica como
pixels de ar, glandulares ou adiposos. Se 0 ≤ TC ≤ TCG, o pixel é classificado como pixel glandular. O pixel é classificado como adiposo quando TCG < TC < TCA. Se TC ≥ TCA, então o pixel é classificado como pixel de ar. Como resultado, o programa gera uma nova imagem, também no formato de texto, que possui apenas três tons de cinza. O primeiro tom de cinza corresponde ao ar (TCar) e o segundo e o terceiro correspondem aos tecidos glandular (TCg) e adiposo (TCa), respectivamente. Na Fig. 16 é mostrado o resultado da classificação de tecidos da imagem clínica mostrada na Fig. 15a.
Figura 16 - Imagem gerada pelo programa classificador de tecidos
5.2.5 Construção dos modelos computacionais de mama
Nas imagens clínicas que incluem o músculo peitoral, os pixels do tecido muscular serão classificados como pixels de tecido glandular na imagem gerada. Manualmente, utilizando ferramentas do programa ImageJ, esses pixels são assinalados com o tom de cinza TCar, uma vez que somente há o interesse na dose absorvida pelo tecido glandular da mama. Finalmente, a imagem gerada pelo programa classificador de tecidos deve ser reamostrada para que seus pixels tenham 1,5 mm. Esta reamostragem define a resolução dos voxels do modelo computacional de mama. A imagem reamostrada (Fig. 17) deve manter os três valores de tom de cinza: TCar, TCg e TCa.
