Desenvolvimento de técnicas computacionais para auxiliar testes de qualidade em imagens mamográficas que utilizam o phantom CDMAM 3.

Transcrição

1 Desenvolvimento de técnicas computacionais para auxiliar testes de qualidade em imagens mamográficas que utilizam o phantom CDMAM 3.4 Maria Angélica Zucareli Sousa 1, Bruno Barufaldi 2, Homero Schiabel 1, Leonardo V. Batista 2 1 Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas Departamento de Engenharia Elétrica - Universidade de São Paulo - São Carlos, SP, Brasil 2 Departamento de Informática e Programa de Pós-graduação em Informática Universidade Federal da Paraíba João Pessoa, PB, Brasil angelica.zucareli@gmail.com Abstract The image quality in mammography can be achieved by conducting periodic tests. It is recommended that some quality parameters are measured with phantom images. Whereas this task is hard-working and time consuming, this study developed and compared two computational methods in order to assist the professional in performing the tests, reducing the subjectivity due to the observers. We used 27 phantom images obtained from six different digital mammographic systems. The first method is based on correlation matching technique to create circular filters whose external region matches the image background and the internal region matches the structure desired to locate. In the second method, structures are located from their contrast values calculated with circular filters. Both methods proved to be effective in detecting structures. However, the first one allowed the total image processing and not just a region of interest, which makes it quite advantageous. 1. Introdução A qualidade da imagem em mamografia pode ser assegurada através da realização de testes periódicos. Os requisitos técnicos da mamografia estabelecidos na Portaria nº 453/98 do Ministério da Saúde [1] incluem parâmetros de qualidade da imagem como detalhes de alto contraste e o limiar de baixo contraste. Estes parâmetros podem ser medidos com imagens de phantom, possibilitando delimitar até que ponto um objeto se distingue do fundo da imagem. O phantom CDMAM 3.4 [2] foi confeccionado especificamente para a realização deste teste e constitui-se de uma placa de alumínio envolvida por material acrílico, contendo uma matriz. Quatro outras placas acrílicas simulam a espessura da mama. Em cada célula da matriz estão distribuídos randomicamente dois discos de ouro idênticos. Os discos têm espessuras entre 0,03µm e 2,0µm e diâmetros entre 0,06mm e 2,0mm, variando numa escala logarítmica. A matriz é rotacionada 45 de forma a eliminar as estruturas que são facilmente detectáveis e as que certamente não serão detectadas. A Figura 1 mostra uma fotografia do phantom CDMAM 3.4. Figura 1. Vista frontal do simulador CDMAM 3.4 Artinis Contrast-Detail Phantom. Conforme recomendado pelo Protocolo Europeu [3] o teste deve ser efetuado anualmente por três observadores que fazem a leitura de duas imagens conferindo a posição dos discos com um gabarito, presente no manual do phantom, a fim de determinar um limiar de contraste. A leitura da imagem do phantom é considerada um tanto cansativa e consome muito tempo para executá-la. Além disso, tem significativa dependência da subjetividade do leitor, o que pode proporcionar erros inter-observador e entre observadores diferentes. A fim de minimizar esta subjetividade, um software, CDCOM, é proposto por Karssemeijer [4]. O CDCOM procura localizar os discos corretamente em imagens no formato DICOM. No entanto, um método ótimo para interpretar os dados não é definido, impossibilitando a busca pelo limiar de contraste, ou mesmo traçar os parâmetros do phantom que possam indicar a qualidade da imagem. Nesse sentido, o propósito deste trabalho é o desenvolvimento de técnicas computacionais com a finalidade de detectar os discos na imagem do phantom, funcionando como um auxílio ao profissional que executa 5

2 o controle de qualidade dos mamógrafos digitais, possibilitando reduzir a subjetividade devida aos observadores. Duas metodologias foram desenvolvidas e comparadas em relação à eficiência na detecção e ao custo computacional. A primeira baseia-se na técnica de casamento por correlação e constitui-se na elaboração de filtros circulares cuja região externa casa-se com o fundo da imagem e a região interna casa-se com a estrutura (disco) que se deseja localizar. Na segunda, os discos foram localizados a partir dos seus contrastes, calculados por meio de filtros circulares que executam a média dos valores de pixel tanto do fundo da imagem quanto da estrutura em questão. Para a detecção dos discos foi utilizada a técnica de casamento por correlação [5] que, neste trabalho, foi empregada a partir da confecção de filtros circulares concêntricos compostos por uma região interna e uma externa. A região interna consiste em um circulo que abrange a estrutura e procura casar-se com o seu interior, enquanto a região externa constitui-se de um anel que procura casar-se com o plano de fundo. Os filtros foram confeccionados variando-se os seus raios de acordo com o raio dos discos presentes em uma imagem do phantom que serviu de gabarito. Na Figura 3 é mostrado um exemplo de filtro utilizado. 2. Metodologia Foram obtidas 27 imagens do phantom CDMAM 3.4 em cinco mamógrafos CR e um modelo digital (DR), gentilmente cedidas pelo Laboratório de Qualificação de Imagens Médicas (QualIM) UNIFESP. As técnicas de kvp e mas foram utilizadas conforme previsto no Protocolo Europeu. Doze delas foram adquiridas por meio do mamógrafo digital Selenia Hologic/Lorad e as demais foram obtidas em cada um dos modelos de CR (três imagens por mamógrafo): Agfa 75, Agfa 85, Fuji 50, Fuji 100 e Kodak 975. A primeira metodologia foi desenvolvida utilizando linguagem Java e com o emprego de plugins na interface do programa ImageJ. Isso evitou a necessidade de se criar uma nova interface, possibilitando, ainda, a facilidade de uso dos comandos para o operador. A Figura 2, a seguir, mostra a interface do programa ImageJ com o plugin de detecção das estruturas já acoplado. Figura 2. Interface do programa ImageJ com o plugin de detecção das estruturas já acoplado. O primeiro passo consistiu em localizar o ponto inicial de varredura do programa. Para isso, foi utilizado o detector de bordas Sobel que permitiu a aplicação da Transformada de Hough, a partir da qual foram encontradas as coordenadas dos vértices das células da matriz no plano (x,y). Figura 3. Modelo de filtro utilizado na detecção dos discos. Os raios r1 e r2 variam de acordo com o raio da estrutura em estudo, segundo uma imagem de referência (gabarito). A etapa de localização das estruturas recebe uma imagem do phantom como entrada e devolve uma lista de estruturas marcadas para cada estrutura detectada. A imagem é girada em 45, possibilitando que a varredura seja feita linha a linha da imagem, facilitando a busca. O mecanismo que decide se uma estrutura é ou não detectada baseia-se no contraste entre a estrutura e o plano de fundo e no nível de cinza do plano de fundo. Na segunda metodologia desenvolvida, também são utilizados filtros circulares concêntricos, conforme a Figura 3. O filtro interno abrange a estrutura e calcula a média dos valores de pixel contidos dentro do círculo. O filtro externo corresponde a um anel que calcula a média dos valores de pixel de uma região que abrange o fundo da imagem. O número de pixels do círculo e do anel é o mesmo. O contraste é calculado pela diferença entre as médias dos valores de pixel do fundo da imagem e da estrutura de interesse. Utilizou-se uma rotina em MATLAB R2010a, em que o usuário seleciona uma região da imagem dando um zoom nas estruturas de interesse. Em seguida, ele seleciona o centro da estrutura a ser identificada e insere o valor do seu raio, de acordo com uma imagem de referência. Esta etapa é visualizada na Figura 4. Caso o raio não seja definido, o programa está preparado para executar o procedimento considerando um raio de 15 pixels. Neste momento, é feito o cálculo do contraste, cujo valor é utilizado para estabelecer um intervalo de 6

3 contraste para o qual é possível considerar a estrutura detectável. Figura 4. Etapa de seleção do centro da estrutura que se deseja localizar. Em seguida, o usuário define os vértices da região de busca, conforme a Figura 5. O processo de busca pode ser realizado em intervalos definidos como passo. Caso o usuário não o defina, o programa efetua a busca com passo 1, ou seja, pixel a pixel. As estruturas encontradas são demarcadas com um círculo. (a) (b) Figura 5. Definição do primeiro (a) e segundo (b) vértices da região de busca. Apesar dessa segunda metodologia não empregar a interface do ImageJ, os comandos executados pelo usuário são muito simples, não exigindo muito esforço na localização das estruturas. Figura 6. Resultado da detecção dos discos com o método de casamento por correlação em execução. A ideia inicial não era a de detectar a posição exata dos discos, bastando somente detectá-los no centro e em um dos vértices de cada célula da matriz. Assim, foi possível detectar todos os discos da imagem do phantom, inclusive as não visíveis. Na segunda metodologia empregada, a que utiliza a média dos valores de pixel dos filtros, as medidas foram efetuadas abrangendo somente os diâmetros considerados visíveis segundo o laudo técnico, a fim de se reduzir o tempo de execução e o custo computacional, já que a busca é realizada célula por célula. Conforme já mencionado, o usuário tem a possibilidade de delimitar intervalos de busca definindo passos. Após a realização de alguns testes, optou-se por utilizar apenas o passo 1 e os raios foram definidos conforme uma imagem de referência. Verificou-se que, na região de interesse que abrangia uma célula da matriz, ambos os discos eram localizados e demarcados. O centro de cada demarcação foi armazenado como variável. No entanto, cada disco foi demarcado mais de uma vez, como pode ser verificado na Figura Resultados No método de casamento por correlação, a varredura da imagem permitiu que a busca fosse feita abrangendo a imagem toda, não somente uma região de interesse. Ao detectar uma estrutura, o programa realiza uma demarcação no local do disco encontrado, como pode ser visualizado na Figura 6. No detalhe, um exemplo de duas estruturas localizadas em uma das células da matriz. Figura 7. Resultado da detecção dos discos para de espessura 2,0µm e diâmetro 0,4mm, com o método das médias dos filtros em execução. 7

4 Em alguns casos, o programa detectou erroneamente uma das bordas da matriz como sendo uma estrutura, conforme mostrado na Figura 8. Figura 8. Resultado da detecção dos discos para de espessura 0,5µm e diâmetro 1,0mm, verificando-se a detecção de uma das bordas da matriz. Isso se deve ao fato de os níveis de cinza da borda ser muito próximos aos do disco nesta região do phantom, dificultando a busca, nos casos em que a região selecionada pelo usuário abrangia parte das bordas da matriz da imagem. Dessa forma, verificou-se que a detecção ainda pode ser influenciada pelo usuário, considerando que é ele quem seleciona a região de busca. Assim, pode-se dizer que tal método é semi-automatizado. Conforme a busca foi sendo executada em regiões com espessuras menores dos discos e raios maiores, a dificuldade de detecção foi aumentando, considerando que o disco já ocupa boa parte da região de busca. Isso limita a região que pertence ao fundo da imagem, assumindo ainda, que, nesta região do phantom, o contraste é menor. Assim, o número de vezes em que os discos foram detectados aumentou significativamente. Este erro pode ser amenizado aumentando-se o passo da busca, conforme visualizado na Figura 9. (a) Figura 9. Resultado da detecção dos discos para de espessura 0,13µm e diâmetro 2,0mm utilizando (a) passo de 1 pixel e (b) passo de 3 pixels. No entanto, essa melhora ocorre somente para os discos de diâmetros maiores. Ao se aplicar o passo 3 para (b) os discos com diâmetros inferiores a 0,5 mm, o erro do número de detecções volta a aparecer. Dessa forma, os resultados foram obtidos utilizando-se apenas o passo 1 como intervalo de busca, pois, assim como no método de casamento por correlação, não foi necessário obter-se a posição exata dos discos. Portanto, consideraram-se detectadas corretamente as estruturas ainda que quando indicadas mais de uma vez. Para a maioria dos casos com estruturas limiares selecionadas pelo laudo, foram detectados apenas um dos discos dentro da célula. A taxa de acertos considerada envolveu todas as detecções corretas que indicavam ambos os discos dentro de uma célula em cada imagem. Foram consideradas erradas as detecções em que apenas um dos discos da célula foi detectado e os casos em que a borda da matriz também era detectada. A Tabela 1, a seguir, mostra a taxa de detecção dos discos para a segunda metodologia empregada. Tabela 1. Taxa de acertos e erros de detecção do método da média dos valores de pixel. Taxa de acertos 83% Detecção bordas da matriz 6% Detecção de apenas um disco na célula 11% Total de erros 17% Tais erros, por vezes, podem ser corrigidos alterandose o passo da busca ou diminuindo a área de interesse, o que, no entanto, torna a técnica um tanto dependente do usuário. 4. Conclusões A primeira metodologia utilizada mostrou-se muito eficaz na detecção dos discos e com a vantagem de executar a varredura na imagem inteira, sem consumir muito tempo com baixo custo computacional. Além disso, a interface por meio do programa ImageJ tornou o método completamente automatizado e simples de ser executado. Todos os discos puderam ser detectados. O segundo método, apesar de também apresentar uma interface simples, mostrou-se um tanto dependente do usuário, causando variações nos resultados. O fato de haver detectado as estruturas mais de uma vez não implicou problemas, já que a intenção era apenas verificar a presença dos discos no centro e em um dos cantos das células. A varredura por regiões de interesse e não da imagem completa implica maior tempo despendido na execução e torna-se um pouco cansativa para o usuário. No entanto, a técnica também se mostrou eficiente, pois detectou os 8

5 discos em 83% dos casos, podendo ser muito útil, se aprimorada. Assim, considerou-se a técnica de casamento por correlação mais adequada ao procedimento, considerando que esta poderá tornar-se uma importante ferramenta de auxílio aos testes de qualidade ao ser correlacionada com a visão humana, possibilitando detectar somente as estruturas visíveis. É importante mencionar ainda, que, novas tarefas poderão ser incorporadas ao programa, sendo este um ponto de partida para a otimização do processo de obtenção parâmetro de qualidade da imagem descrito pela curva de contraste-detalhe. 5. Agradecimentos Os autores agradecem a CAPES pelo apoio financeiro e ao Laboratório de Qualificação de Imagens Médicas (QualIM) UNIFESP por obter e disponibilizar as imagens utilizadas na execução deste trabalho. 6. Referências radiodiagnóstico médico e odontológico. Portaria N 453, Brasília, 01/Jun/1998. [2] K.R. Bijker, M.A.O Thijssen and Th.J.M. Arnoldussen. Manual of CDMAM-phantom type 3.4. University Medical Centre Nijmegen, St. Radboud, The Netherlands, [3] N. Perry, M. Broeders, C. Wolf, S. Törnberg, R. Holland, L. Von Karsa. European Guidelines for Quality Assurance in Mammography Screening and Diagnosis. Fourth Edition. European Communities, Luxembourg, [4] N. Karssemeijer, M.A.O. Thijssen. Determination of contrast-detail curves of mammography systems by automated image analysis. In: Proceedings of the 3rd International Workshop on Digital Mammography, Elsevier, Amsterdam, 1996, pp [5] R.C. Gonzalez, R.E. Woods. Digital Image Processing, 2nd ed., Prentice Hall, New Jersey, USA, [1] Secretaria de Vigilância Sanitária de Ministério da Saúde. Diretrizes de proteção radiológica em 9