ANÁLISE DOS CRITÉRIOS UTILIZADOS NA ORGANIZAÇÃO DE BANCOS DE MAMOGRAFIAS NO PADRÃO DE DENSIDADE BI-RADS

Transcrição

1 ANÁLISE DOS CRITÉRIOS UTILIZADOS NA ORGANIZAÇÃO DE BANCOS DE MAMOGRAFIAS NO PADRÃO DE DENSIDADE BI-RADS S. C. M. Rodrigues 1, A. F. Frère 1, e E. L. L. Rodrigues 1 1 Universidade de São Paulo/ Depto. Engenharia Elétrica, São Carlos, Brasil Universidade de Mogi das Cruzes/ Núcleo de Pesquisas Tecnológicas, Mogi das Cruzes, Brasil Resumo - Este artigo apresenta um método de organização de bancos de imagens mamográficas baseado na análise dos critérios médicos, adotados nos laudos mamográficos. O método separa as imagens de acordo com o grau de dificuldades apresentado em cada imagem mamográfica, utilizando a padronização da composição da densidade descrito no protocolo BI-RADS. A metodologia permite também uniformizar o banco de imagens sugerindo ao observador uma classificação próxima ao padrão utilizado no serviço radiológico. A organização de bancos de imagens padronizados seguindo critérios bem definidos auxiliará o desenvolvimento de CADs (Diagnostico Auxiliado por Computador) mais precisos para cada grupo de imagens com diferentes dificuldades. Palavras-chave: Processamento de Imagens, Imagens mamográficas, BI-RADS e densidade mamográfica. Abstract This paper presents a method of organization of mammography database based in the analysis of the medical criteria, adopted in the language used in mammography reports. The method separates the images in accordance with the degree of difficulties presented in each mammography image, using the report organization of breast composition (density) described in BI-RADS lexicon. The methodology also allows to standardize the database, suggesting to the observer a similar classification to the standard used in the radiological service. The organization of standardized database following defined criteria will assist the development of CADs (Diagnosis Assisted by Computer) more specific for each group of images with different difficulties. Key-words: Image Process, Mammography Image, BI-RADS and Mammography density. Introdução Quando o câncer de mama é detectado no estágio inicial, a chance de cura é de 93%, chegando a apenas 18% de sobrevida quando a doença está em estágio adiantado. A mamografia é considerada o método mais confiável para detecção precoce do câncer de mama até o presente [1]. Para auxiliar na detecção precoce estão sendo desenvolvidos métodos computacionais para o diagnostico, conhecidos como CAD (Diagnóstico Auxiliado por Computador) que fornecem uma segunda opinião ao radiologista. Os resultados obtidos com o computador indicam, na imagem, os lugares suspeitos, ou seja, onde o radiologista deve dar maior atenção []. Entretanto, esta tarefa não é bem sucedida para todas as imagens [3]. Sendo que para algumas a porcentagem de falsos diagnósticos é alta. Para diminuir os falsos positivos e principalmente os falsos negativos as mamografias deveriam ser separadas em função das dificuldades que elas apresentam para o processamento pelo CAD o que permitiria o desenvolvimento de algoritmos mais específicos, portanto mais eficientes. Evidencias [] mostram que o tecido mamário pode estar dificultando a detecção de lesões pequenas, prejudicando os resultados dos CADs. Várias pesquisas comprovam que o desempenho dos algoritmos de processamento de imagens é proporcional à densidade do disco glandular. Na análise visual a composição da mama também pode dificultar o diagnóstico sendo que as patologias são dificilmente detectadas em mamas densas e vários pesquisadores classificaram a densidade como o fator de risco. A densidade mamográfica varia em função das características das mulheres conforme idade, índice de massa corporal, reprodução, menopausa e uso de hormônios, mas também depende do grau de

2 compressão da mama, posicionamento na hora do exame e contraste da imagem. Para auxiliar o diagnostico os bancos de imagens são organizados em função de padrões. Recentemente o padrão BI-RADS (Breast Imaging Reporting and Data System) [] foi adotado por varias equipes médicas para padronização dos laudos. Alguns centros de pesquisas estão propondo que as imagens sejam classificadas em função da composição da densidade descrita também no BI-RADS. A classificação da composição de densidade do BI-RADS considera composição I quando a mama é quase inteiramente adiposa, composição II quando há áreas esparsas de tecidos fibro-glandulares, composição III quando o tecido mamário é heterogeneamente denso e composição IV quando o tecido mamário é extremamente denso. Como essas definições deixam margens a interpretações do observador, é difícil ter bancos de imagens classificadas com os mesmos limites, ou que as imagens classificadas em épocas diferentes obedecem aos mesmos critérios. Portanto, foi desenvolvido um método que analisa os limites adotados pela equipe médica que fez a classificação das imagens e os utiliza para a classificação e organização do banco. Metodologia Para este trabalho foram utilizadas duas bases de dados: a base de dados do Hospital Universitário de Ribeirão Preto pertencente à Faculdade de Medicina de Ribeirão Preto (FMRP USP) contendo 3 imagens mamográficas. Desse total foram utilizadas 1 imagens para analisar os critérios da equipe medica (FMRP-I) e 1 imagens para testes (FMRP-II), sendo que 8 imagens não puderam ser utilizadas por problema de descompressão. Outra base de dados foi a do Laboratório do Prof. Dr. Fujita da Universidade de Gifu (Japão), FujiLab, com 33 imagens. Todo o processamento foi realizado utilizando o MATLAB. Como primeiro passo dividiu-se a mamografia em janelas (1X1 pixels ) para a obtenção das características de pequenas regiões, não considerando apenas um valor global da imagem. A divisão em janelas proporcionou a identificação das regiões de interesse, permitindo desprezar aquelas que continham somente pixels pertencentes ao fundo da imagem, minimizando o custo computacional do método. Para a detecção da borda da mama foi determinado o valor ótimo baseado na maximização da entropia de Shannon [6] [7] para calcular os limiares de cada janela. Após esse processo foi realizada uma varredura automática na imagem para encontrar a borda da mama. Para a classificação foi desenvolvido um método baseado no procedimento do radiologista, quando classifica as imagens no padrão de densidade do BI-RADS. O método obedece às regras descritas a seguir: A mama, para ser classificada na Composição I, é considerada pelo observador como quase inteiramente adiposa. Para o algoritmo a mama é considerada adiposa quando a distribuição dos níveis de cinza da sua imagem é uniforme, (embora o valor desses níveis varie com a técnica de exposição e a espessura da mama), com áreas esparsas de tecido glandulares representadas na mamografia por manchas bem mais claras. O algoritmo ressalta essas áreas marcando as áreas mais claras chamadas de densidade 1. A densidade 1 é determinada pela Equação 1 como: Nível densidade 1 =THRMÉDIO + DESVTHR (1) onde, THRMÉDIO é o valor médio de limiar de toda a imagem e DESVTHR é o desvio padrão dos valores de limiar. São consideradas pelos médicos, como Composição I as imagens cujo percentual de densidade 1 ocupada na mama é pequeno. Como esse critério é subjetivo, foi analisado o banco já existente para determinar qual é a porcentagem considerada pequena pela equipe médica e esse limiar foi introduzido no algoritmo. Para pertencer a Composição II, a mama deve conter mais tecido glandular, portanto a diferença entre o fundo da imagem do disco glandular e as manchas claras é menor (contraste menor) o que foi considerado no algoritmo como densidade determinada pela Equação : Nível densidade=thrmédio + DESVTHR/ () Entretanto, as áreas ocupadas pela densidade são maiores. A quantificação desse fator também é feita pela análise do banco existente. O padrão BI-RADS classifica como Composição III imagens onde o tecido mamário é considerado heterogeneamente denso, o que foi calculado pelo algoritmo pelo Segundo Momento Angular (), que fornece medida quantitativa de regularidade. O valor do para corte foi definido com base nas imagens já classificadas pela equipe médica como pertencentes à Composição III. O padrão BI-RADS classifica na Composição IV mama onde o tecido mamário é extremamente denso, ou seja, com áreas de densidades que possuem altos valores do Segundo Momento Angular () na janela local. Neste caso também

3 o critério extremamente utilizado pelos médicos responsáveis pela classificação foi extraído da análise do banco já laudado. O Segundo Momento Angular pode representar muito bem a homogeneidade local da imagem. Esse momento, em valores numéricos, é o oposto da medida da Entropia. Quando a imagem é heterogênea o valor do é baixo e para imagem homogênea o valor de é alto. A Equação 3 descreve esse momento: n 1 n 1 i= j= [ P( i, j, d, )] = θ (3) onde, P é a matriz normalizada, i e j são valores de níveis de cinza da matriz de coocorrência, d e θ são distância e direção que um pixel de referência possui em relação ao pixel vizinho. Essas medidas foram calculadas nas quatro direções (º, º, 9º e 13º) obtendo-se as médias desses valores. Resultados Foram utilizados os laudos médicos para levantar histogramas referentes à porcentagem da área da mama ocupada por densidade nas imagens banco existente (FMRP-I). Com base nesses histogramas verificou-se que as Composições I e II tinham o mesmo comportamento, mas pertenciam a intervalos diferentes que serviram para separar as duas Composições. Foram então calculados todos os valores de para todas as imagens do banco (FMRP-I). Esses valores foram colocados em histogramas para se obter os valores de corte e separar as Composições III e IV. Esses valores de corte foram adotados para classificar as 1 imagens do grupo de testes (FMRP-II), de maneira parecida ao que foi realizado no banco FMRP-I. Esse mesmo procedimento foi utilizado para outro banco de imagens o FujiLab, no qual também foram obtidos os histogramas e em seguida os valores de corte, que os médicos que classificaram essas imagens utilizaram. A validação do método foi feita por dois radiologistas. Análise do banco existente Para poder interpretar o que a equipe médica considera como Composição I, II, III e IV de acordo com o BI-RADS, levantou-se o histograma (Figura 1) de todas as imagens do banco FMRP-I Porcetangem da mama Figura 1 Distribuição dos valores de porcentagens da mamografia ocupada pela densidade 1 para todas as imagens do banco da FMRP-I. O histograma das imagens classificadas pelo laudo médico como Composição I é apresentado na Figura Figura Distribuição dos valores de porcentagens de densidade 1 para as imagens do banco da FMRP-I laudadas como Composição I. A Figura 3 mostra o valor da porcentagem da mama para a Composição II utilizando o mesmo limiar de densidade Figura 3 - Distribuição dos valores de porcentagens de densidade 1 para as imagens do banco da FMRP-I laudadas como Composição II. O histograma da Figura 3 mostra que a maioria das imagens classificadas pelos médicos

4 como pertencentes à Composição I apresentam até 1% da mama. Adotou-se portanto esse limiar para o banco da FMRP e retirou-se as imagens consideradas pelo algoritmo como Composição I da base de dados. A Figura mostra o histograma das imagens marcadas como densidade em todas as imagens laudadas como Composições II, III e IV. 1 x1 9 1x1 1 x1 1 x1 1 3x1 1 3x1 1 Figura 6 Valores do Segundo Momento Angular obtidos processando as imagens do banco da FMRP-I laudadas como Composição III. A Figura 7 mostra os valores do para as Composições IV ocupada por densidade Figura Distribuição dos valores de porcentagens de densidade para as imagens do banco da FMRP-I laudadas como Composição II, III e IV x1 1 x1 1 3x1 1 x1 1 Figura 7 Valores do Segundo Momento Angular obtidos processando as imagens da Composição IV do banco da FMRP-I ocupada por densidade Figura Distribuição dos valores de porcentagens de densidade para as imagens do banco da FMRP-I laudadas como Composição II. O histograma da Figura mostra que a maioria das imagens laudadas como Composição II tem até 33% de sua área total ocupados por valores representativos da densidade (limiar ). Foi adotado esse limiar para composição II. A Figura 6 mostra o histograma contendo os valores de para a Composição III. Foi considerado como Composição III imagens que apresentam valores até,x1 11 e acima deste valor como Composição IV. Observando o comportamento e os valores dos histogramas, foi possível deduzir qual valor foi adotado pela equipe médica para discriminar as Composições I, II, III e IV do banco FMRP-I.. Banco de Teste O algoritmo foi aplicado ao banco FMRP-II que não tinha sido classificado utilizando os valores de corte determinados no procedimento anterior. As imagens foram separadas nas composições I, II, III e IV, pelo algoritmo e foram submetidas a um membro da equipe médica do hospital para realizar a classificação visual. A concordância encontrada entre as duas classificações é de 88,1%. A Tabela 1 apresenta os resultados de VP, FN, FP, FN e Concordância encontrados na classificação.

5 Composi ções (BI- RADS) Tabela 1 Resultados de VP, FN e FP. Total Com- imagens VP FN FP cordân- cia COMP. I % COMP. II ,3% COMP. III ,3% COMP. IV % Total Banco FujiLab Utilizou-se o mesmo procedimento para determinar os limiares utilizados por outra equipe médica na base de dados do FujiLab. A Figura 8 mostra o histograma contendo todas as imagens marcadas com densidade A Figura 1 mostra a distribuição das porcentagens de densidade para as imagens do banco FujiLab das Composições II, III e IV ocupada por densidade Figura 1 Distribuição de porcentagens de densidade para as todas as imagens do banco Fujilab A Figura 11 mostra a porcentagem de densidade somente para as imagens laudadas como Composição II onde pode ser determinado que esta categoria conta com a 37% de densidades ocupada por densidade1 Figura 8 Distribuição de porcentagens de densidades 1 para todas as imagens do banco FujiLab. O histograma das imagens classificadas pelo laudo médico como Composição I está na Figura 9. 1,, ocupada por densidade Figura 11 Distribuição de porcentagens de densidade para as imagens do banco Fujilab laudadas como Composição II. A Figura 1 mostra a distribuição dos valores do para as imagens do banco FujiLab das Composições III e IV., 1 3 Figura 9 Distribuição de porcentagens de densidades 1 para as imagens do banco FujiLab laudadas como Composição I. O histograma da FIGURA 9 mostra que o conceito de quase inteiramente adiposa utilizado no padrão BI-RADS para classificação na Composição I foi interpretado pelo radiologista como apresentando menos que % da mama x1 1 x1 1 3x1 1 x1 1 x1 1 Figura 1 - Histograma dos valores de para as Composições laudadas como III e IV do FujiLab.

6 A equipe médica classificou como Composição III, imagens com valores de menores que 3x1 9 e para valores maiores Composição IV, Figura 13. As Figuras 13 e 1 mostram como os valores do se distribuem nos histogramas para as imagens laudadas como Composições III e IV. 3 dificuldade apresentado, tornando-os mais precisos. A metodologia desenvolvida também poderá ser bastante útil para o ensino e treinamento médico na área de radiologia da mama. A equipe poderá estabelecer o padrão desejado e os estagiários poderão ser treinados para classificar as densidades no padrão BI-RADS, respeitando as particularidades locais de cada banco de imagem. Agradecimentos 1,,x1 91,x1 1 1,x1 1,x1 1,x1 1 3,x1 1 3,x1 1,x1 1 Figura 13 - Histograma dos valores de para a Composição laudadas como III do FujiLab. Os autores agradecem o apoio financeiro proporcionado pela FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo). Ao Prof. Dr. Paulo M. de A. Marques da Faculdade de Medicina de Ribeirão Preto e ao Prof. Dr. Fujita da Universidade de Gifu (Japão) por terem cedido as imagens. Referências 1x1 1 x1 1 3x1 1 x1 1 x1 1 Figura 1 - Histograma dos valores de para a Composição laudadas como IV do FujiLab Conclusão e Discussão A metodologia desenvolvida permite analisar os critérios utilizados na organização de banco de mamografias por equipes médicas diferentes. Essa análise ajudará a quantificar valores para as quatro composições descritas no padrão BI-RADS. As imagens poderão ser analisadas e classificadas no padrão de densidade descrito no protocolo BI-RADS, independentemente da subjetividade própria da observação visual de quem organizou o banco ou da técnica de exposição utilizada. A metodologia permite também uniformizar o banco de imagens sugerindo ao observador uma classificação próxima ao padrão utilizado no serviço. A base de dados apresentará as imagens classificadas de acordo com o grau de dificuldade para o processamento. Os CADs poderão ser desenvolvidos especificamente para cada grupo de Byng, J.W., Boyd, N.F., Fishell, E., Jongll, R.A.A., Yaffe, M.J. (1996), Automated analysis of mammographic densities. Phys. Medical and Biology, v. 1: p Heine, J.J., Velthuizen, R.P. (), The statistical methodology for mammographic density detection, Medical. Phys., v. 7, p Chang,Yh., Wang, X.H., Hardesty, L.A., Chang, T.S., Poller, W.R., Good, W.F., Gur, D. (), Computerized Assessment of Tissue Composition on Digitized Mammograms, Academic Radiology, v. 9, p Karssemeijer N. (1998), Automated classification of parenchymal patterns in mammograms, Phys. Medical and Biology, v. 3, p American College of Radiology. Breast imaging reporting and data system (BI-RADS), (199), nd ed. Reston, Va: American College of Radiology. Wong, A.K.C., Sahoo, P.K. (1989), A grey-level threshold selection method based on maximum entropy principle, IEEE Trans. On Systems, Man and Cybernetics, v. 19, n., p Shannon, C.E. (198), A Mathematical Theory of Communication, The Bell System Technical Journal, v. 7, n. 3, p Contato Silvia Cristina Martini Rodrigues Escola de Engenharia de São Carlos - Engenharia Elétrica, Universidade de São Paulo USP silviamr@sel.eesc.usp.br