SEGMENTAÇÃO DA MAMA: DETECÇÃO DO CONTORNO EXTERNO E EXTRAÇÃO DO MÚSCULO PEITORAL

Transcrição

1 CONVÊNIOS CNPq/UFU & FAPEMIG/UFU Universidade Federal de Uberlândia Pró-Reitoria de Pesquisa e Pós-Graduação DIRETORIA DE PESQUISA COMISSÃO INSTITUCIONAL DE INICIAÇÃO CIENTÍFICA 2008 UFU 30 anos SEGMENTAÇÃO DA MAMA: DETECÇÃO DO CONTORNO EXTERNO E EXTRAÇÃO DO MÚSCULO PEITORAL Vinicius Ruela Pereira Borges 1 Universidade Federal de Uberlândia, Campus Santa Mônica Av. João Naves de Ávila, 2121, Uberlândia, MG, Brasil viniciusrpb@comp.ufu.br Denise Guliato 2 guliato@ufu.br Resumo: Este artigo trata especificamente da segmentação da mama em mamogramas digitais. Aqui serão apresentados dois métodos, o primeiro para a detecção do contorno externo da mama, que é importante para delimitar a região da mama, facilitar o gerenciamento e armazenamento de dados e desconsiderar ruídos presentes na imagem mamográfica e o segundo que realiza a detecção e extração do músculo peitoral em vistas Médio Lateral Obliquas que pode interferir em outros métodos de análise de mamogramas baseado em níveis de cinza. Os métodos foram avaliados usando um conjunto de 55 casos obtidos da base de dados pública Digital Database for Screening Mammography (DDSM). Os resultados apresentados mostraram que os métodos propostos são bastante promissores na detecção de mama e extração do músculo peitoral. Palavras-chave: diagnóstico auxiliado por computador, segmentação da mama, contorno externo, músculo peitoral. 1. INTRODUÇÃO O câncer de mama é o segundo tipo de câncer mais freqüente no mundo e o primeiro entre as mulheres. De acordo com o Instituto Nacional de Câncer - Brasil, o número estimado de casos em 2008 será de com um risco estimado de 51 casos a cada 100 mil mulheres (INCA - Instituto Nacional de Câncer, 2008). Apesar de ser considerado um câncer de bom prognóstico se diagnosticado e tratado precocemente, as taxas de mortalidade por câncer de mama continuam elevadas no Brasil, devido, provavelmente, ao diagnóstico tardio. A mamografia é ainda o melhor exame para detecção precoce de sinais de câncer de mama e tem um papel importante nas decisões terapêuticas a serem adotadas. A mamografia pode revelar evidência de anormalidades como nódulos e calcificações, bem como sinais sutis como assimetria bilateral e distorção arquitetural. No entanto a interpretação de mamografias não é uma tarefa fácil. Entre 10% e 30% das mulheres com presença da doença têm diagnóstico falso negativo, ou seja, o radiologista interpretou o exame erroneamente como normal. Em aproximadamente 67% destes falsos negativos o radiologista falhou na detecção do câncer que era evidente em uma análise retrospectiva. Vários fatores podem contribuir para a falha no diagnóstico de câncer de mama em mamogramas: a baixa qualidade da imagem, o tamanho e a localização da lesão, a densidade do tecido mamário, a qualidade dos recursos técnicos e a habilidade de interpretação e/ou cansaço do radiologista. Rotineiramente, quatro vistas padrão são obtidas num exame de mamografias: duas vistas de cada mama (crânio-caudal CC e médio lateral obliqua MLO). O radiologista analisa as diferentes vista mamográficas para detectar calcificações, nódulos e outros achados radiológicos 1 Acadêmico do curso de Ciência da Computação 2 Orientador

2 que possam indicar presença de câncer de mama. Os radiologistas também utilizam a análise das duas vistas da mama para reduzir falsos positivos, tais como sobreposição de tecidos densos. Estudos clínicos têm mostrado que os diagnósticos baseados na análise de duas vistas mamográficas de uma mesma mama são mais precisos, quando comparado com o uso de apenas uma vista. Estudos também indicam que uma segunda leitura realizada por outro radiologista aumenta significativamente a sensibilidade (redução de falsos negativos) dos exames. No entanto, os custos associados a esta estratégia são impraticáveis na maior parte dos hospitais e clínicas de radiologia. Como alternativa para uma segunda opinião ou como uma estratégia de pré-leitura, sistemas de apoio ao diagnóstico de câncer de mama CAD têm sido propostos. Estudos recentes mostram que sistemas CAD podem melhorar a sensibilidade do radiologista sem um aumento significativo de taxa de recall. Os potenciais benefícios de sistemas CAD motivaram o desenvolvimento de diversos sistemas comerciais, tais como, ImageChecher (R2 Technology, Sunnyvale, CA) e SecondLolk (icad, Nashua, NH). O objetivo geral deste projeto é colaborar no desenvolvimento do sistema de apoio ao diagnóstico de câncer de mama que utiliza duas vistas de uma mesma mama (crânio caudal e médio lateral obliqua MLO) nas etapas de detecção e classificação de lesões de mama e microcalcificações. Especificamente, o presente trabalho apresenta um método para detecção do contorno externo da mama e um outro método para a extração do músculo peitoral. Estes métodos ainda não foram integrados e serão apresentados separadamente. O artigo está organizado da seguinte maneira: a Seção 2 descreve o método para detecção do contorno externo da mama em mamografias digitais, a Seção 3 apresenta o método para extração do músculo peitoral em vistas MLO, a Seção 4 mostra os resultados e finalmente a Seção 5 apresenta as considerações finais. 2. DETECÇÃO DO CONTORNO EXTERNO DA MAMA A detecção do contorno externo da mama é importante para delimitar a região do tecido fibroglandular da mama. A inclusão deste procedimento preliminar em sistemas de diagnósticos auxiliados por computador (CAD) pode evitar tempo desnecessário de processamento e ainda melhorar o gerenciamento e armazenamento de dados (Ferrari, Rangayyan, Desautels, Borges e Frère, 2004). Através da detecção da borda ou contorno da mama é também possível remover qualquer artefato presente na parte externa da mama, tal como a identificação do paciente ou filme (região altamente densa) e demais ruídos, que podem afetar o desempenho de técnicas automáticas de análise e reconhecimento de padrões. O processamento é composto das seguintes etapas: 1) subamostragem e espelhamento de mamografias da mama direita; 2) limiarização global; 3) filtragem da imagem resultante por um filtro morfológico, detecção do contorno da mama e finalmente a restauração e atualização do contorno. 2

3 (a) (b) (c) (d) (e) (f) Figura 1: as etapas realizadas para a detecção do contorno externo da mama: (a) imagem mamográfica original; (b) imagem mamográfica reduzida com remoção de ruídos nas bordas, utilizando uma máscara 10 10; (c) imagem mamográfica binária reduzida após limiarização global; (d) imagem mamográfica binária reduzida após a aplicação do operador morfológico opening (e) extração do contorno da mama reduzida; (f) imagem mamográfica de tamanho original com contorno final sem o fundo 2.1. Subamostragem e espelhamento da imagem O método proposto consiste inicialmente em realizar um pré-processamento na imagem original (Figura 1a). Primeiramente, a imagem é subamostrada em oito vezes para melhorar a performance do algoritmo. Note que as vistas da mama direita serão espelhadas com relação ao eixo vertical da imagem com o objetivo de padronizar o procedimento de análise. Após esta subamostragem, os pixels da borda da imagem têm seus valores alterados para zero, eliminando artefatos e ruídos que por ventura venham a interferir no resultado final do processamento. O tamanho da máscara que deixará os valores da borda iguais a zero é definido pelo usuário, pois cada imagem mamográfica possui um tipo de ruído diferente e o tamanho escolhido pode interferir no resultado final. Exceção é feita para a borda da imagem que faz contato com a mama, onde uma máscara 5 5 é utilizada, pois podem existir ruídos abaixo da mama, que necessitam ser apagados, porém deve-se conservar o máximo de informações possíveis referentes à mesma, por exemplo, uma máscara de tamanho 20 significaria uma grande perda de pixels da mama. Vale 3

4 ressaltar que a coordenada inicial do mamograma é alterada neste processo, com a ordenada X valendo 6 e a ordenada Y valendo o tamanho da máscara. Desta maneira, a coordenada inicial não estará em uma região que não será utilizada, e sim no novo início do mamograma. A Figura 1b mostra a imagem resultante deste processamento Limiarização global A Figura 1c mostra a imagem binarizada utilizando um threshold global. Um threshold global (Gonzalez e Woods, 2002) é uma maneira de particionar o histograma de uma imagem utilizando um único limiar T. A segmentação é efetuada, varrendo a imagem, pixel a pixel, e rotulando cada um como sendo da mama ou do fundo, dependendo se o nível de cinza for maior ou menor que T, respectivamente. A limiarização resulta numa imagem binária em que aqueles pixels com valor zero serão identificados como fundo da imagem e aqueles pixels com valor 1 serão identificados como tecido mamário. O sucesso da limiarização depende do valor T, que é calculado baseado nos valores de pixels pertencentes ao fundo do mamograma. Uma máscara é sobreposta no canto direito inferior da imagem, sem considerar a região da borda que teve seus pixels alterados para zero na etapa anterior, e é preenchida com os valores de níveis de cinza desta área da imagem. O limiar T será o valor da média da máscara Aplicação do filtro morfológico abertura e detecção do contorno da mama Após o processo de binarização da imagem, o filtro morfológico de abertura para imagens binárias (Ferrari, Rangayyan, Desautels e Frère, 2000) com elemento estruturante circular de raio igual a 25 pixels, é utilizado para eliminar ruídos existentes na imagem resultante do processo de binarização e também é útil para suavizar a borda da mama (Figura 1d). Após o processo de filtragem da imagem binária, o contorno da mama é extraído utilizando uma metodologia em que todos os pixels da imagem são analisados. Para cada pixel p são analisados os seus oito vizinhos. Se o pixel p e todos os seus vizinhos tiverem o mesmo valor de nível de cinza, o valor do pixel p terá seu valor igual a zero. Caso contrário, o pixel p é considerado como pertencente à borda e seu valor permanece inalterado. Caso existam artefatos de tamanho considerável na imagem binária filtrada, o método pode retornar mais que um contorno. O contorno de interesse é escolhido seguindo o critério de que o contorno da mama será o maior, já que ocupa uma grande parte do mamograma. Finalmente, o contorno é adaptado para as dimensões e condições originais da imagem, já que o processamento foi realizado em uma imagem subamostrada. Para obtermos somente a mama sem o fundo do mamograma original, fazemos uma operação AND entre a imagem original e a imagem binária contendo o contorno final, com os valores dos pixels internos ao mesmo iguais à 1, resultando na Figura 1f. 3. DETECÇÃO E EXTRAÇÃO DO MÚSCULO PEITORAL O músculo peitoral representa uma região densa predominante em muitas das projeções médio-laterais oblíquas (MLO) dos mamogramas, e pode afetar os resultados de métodos de processamento de imagens. Métodos baseados em intensidade de níveis de cinza, por exemplo, podem apresentar baixo desempenho quando aplicados para diferenciar estruturas densas, tais como disco glandular, massas suspeitas, visto que o músculo peitoral aparece com aproximadamente a mesma densidade que os tecidos densos de interesse na imagem. A presença da região do músculo peitoral pode resultar em resultados polarizados segundo Ferrari et al. (Ferrari, Rangayyan, Desautels, Borges e Frère, 2004). A extração do músculo peitoral envolve as seguintes etapas: a) pré-processamento da imagem; b) delimitação da região de interesse; c) aplicação de um limiar global com o objetivo de 4

5 remover o fundo da região de interesse; d) obtenção da estimativa do músculo peitoral; e) processo iterativo a fim de se obter a melhor segmentação do músculo peitoral Estabelecimento de critérios Neste artigo, o músculo peitoral é considerado como se fosse um triângulo retângulo, representado na Figura 2. Essa consideração será importante para o estabelecimento de critérios para validação do contorno do músculo peitoral. Este triângulo contém os pontos A, B e C, os catetos AB e AC delimitando as bordas da imagem e a hipotenusa BC sendo o limite do músculo peitoral com o tecido mamário. Comparando-se esse triângulo ao contorno, o ponto A é a coordenada inicial do contorno (que coincide com a coordenada inicial da imagem), o ponto B do contorno é aquele com maior ordenada Y e menor ordenada X e o ponto C é aquele com maior ordenada X e menor ordenada Y. Partindo-se do ponto B e chegando ao ponto C, vamos caminhar pelo contorno, pixel a pixel. O pixel a ser analisado deve aumentar ou manter o valor da ordenada X e reduzir ou manter o valor da ordenada Y em relação ao pixel analisado anteriormente. Todavia, algumas imperfeições são toleradas, como, por exemplo, aceitar algumas vezes leves aumentos de valores de ordenada Y Pré-Processamento da Imagem Figura 2: Músculo peitoral como se fosse um triângulo O método proposto consiste inicialmente em se fazer um pré-processamento na imagem original, visto na Figura 3a. O mamograma passa pelo mesmo pré-processamento do método de extração do contorno externo da mama, resultando na imagem representada pela Figura 3b Delimitação da Região de Interesse Este passo consiste em delimitar área contendo o músculo peitoral, que é a região de interesse (ROI) (Figura 3c) (Kwok, Chandrasekhar e Attikiouzel, 2001). Em projeções oblíquas, a região do músculo peitoral deve estar presente na parte superior da imagem. Utilizaremos quatro pontos para delimitar a região do músculo peitoral, N1, N2, N3 e N4, obtidos automaticamente. Tais pontos são determinados como: N1 - é o ponto superior mais à esquerda, ou, a coordenada inicial a partir da borda; N2 - é o ponto superior que delimita a borda da mama ao lado direito; N3 - é o ponto que está 70% da altura da mama na ordenada X e na mesma ordenada Y do ponto N1; N4 - é o ponto que está na mesma ordenada X do ponto N1 e a mesma ordenada Y do ponto N2. O retângulo formado por esses pontos será a região de interesse. 5

6 (a) (b) (c) Figura 3: as etapas realizadas para a detecção e remoção do músculo peitoral: (a) imagem mamográfica original; (b) imagem mamográfica espelhada e sem ruídos nas bordas; (c) delimitação da região de interesse 3.4. Primeira limiarização global A idéia desta primeira limiarização é eliminar o fundo da região de interesse para colaborar com as próximas etapas. Nesta etapa, duas máscaras de tamanho são utilizadas para pegarem pixels de duas regiões distintas. A primeira é colocada na parte superior esquerda da região de interesse, onde contém pixels referente ao músculo peitoral, e a segunda colocada na parte inferior direita da região de interesse, que contém pixels referentes ao tecido mamário. Ambas são preenchidas com pixels das áreas sobrepostas. µ p e µ m são as médias calculadas para a primeira máscara e a segunda máscara, respectivamente. Calcula-se µ p µ m, e caso o resultado seja positivo (a média de níveis de cinza do músculo peitoral for maior), retira-se o fundo da região de interesse (que é o tecido mamário) utilizando um limiar T igual a µ m. Caso contrário pode-se dizer que a imagem não está com boa qualidade ou que o músculo peitoral esteja com densidade menor que o tecido mamário. Para as imagens com o músculo peitoral com baixa densidade de níveis de cinza, será feito um escurecimento na parte inferior da região de interesse. Isso será feito reduzindo-se os níveis de cinza destes pixels em 60 unidades, pois esta área é mais densa que a parte superior da região de interesse. Desta maneira, a parte do músculo peitoral pertencente à área superior da região de interesse, estará com a maior densidade Obtenção da estimativa da borda do músculo peitoral A idéia desta etapa consiste em se obter a estimativa da borda do músculo peitoral, já que estes pixels têm valores menores comparados aos outros pixels do músculo. Assim, pode-se aferir que um valor próximo a esta estimativa é o limiar mais indicado para a obtenção do músculo peitoral inteiro. Inicialmente aplica-se um operador AND entre a região de interesse original (Figura 4a) e a região de interesse binária (Figura 4b), resultando em uma região de interesse sem grande parte do fundo (Figura 4c), sendo possível obter pixels pertencentes à borda do músculo peitoral. Para isso, basta caminhar pela linha 20 (que foi escolhida por observação de várias imagens por sempre pertencer ao músculo peitoral), da última região de interesse obtida, até encontrar um pixel com valor igual a zero, que se refere ao fundo da região de interesse. 6

7 (a) (b) (c) Figura 4: (a) Região de interesse original; (b) Região de interesse após a primeira limiarização global com limiar T = 177; (c) Região de interesse resultante da aplicação do operador AND entre (a) e (b) 3.6. Processo iterativo para delimitar o músculo peitoral Neste próximo passo, a região de interesse original passará por um processo iterativo com o propósito de se obter uma imagem binária, fazendo-se várias tentativas, até obter o músculo peitoral final (Figuras 5 e 6). O objetivo deste processo iterativo é obter automaticamente um parâmetro ideal diferente para cada iteração executada, sendo este responsável por configurar o valor do limiar para uma segunda limiarização global. Cada iteração executará sobre a região de interesse as seguintes etapas: uma segunda operação de limiarização global (Figuras 5a e 6a), processamento de operador morfológico abertura (Figuras 5b e 6b), extração de contorno (Figuras 5c e 6c) e verificação da validade do contorno segundo critérios estabelecidos no tópico 3.1. Caso esta última etapa retorne que o contorno é inválido, o parâmetro tem seu valor decrementado em 5 unidades e uma nova iteração (tentativa) é iniciada. Vale ressaltar que o parâmetro deve ser configurado de forma que a cada iteração processada, uma menor porção do músculo peitoral, em termos de quantidade de pixels, deve ser obtida. Neste artigo, o parâmetro teve sua contagem iniciada em 25 unidades, através da observação de resultados. A segunda limiarização global será útil para, a partir da estimativa da borda do músculo peitoral, obter o melhor limiar possível para resultar em uma imagem binária contendo apenas o músculo peitoral. Esta operação é iniciada subtraindo-se os valores da estimativa da borda do músculo peitoral e o parâmetro do processo iterativo, obtendo-se, portanto, um limiar T. A seguir, um operador morfológico abertura é aplicado à imagem binária resultante da segunda limiarização com o elemento estruturante de raio 20 para suavizar a região do músculo peitoral. Os contornos da imagem binária suavizada são extraídos e analisados para validade segundo os critérios estabelecidos no tópico 3.1. As Figuras 5 e 6 mostram respectivamente a quarta e a última iteração do processo de operação de binarização, que chegou ao resultado final em seis iterações Atualização do contorno O contorno é adaptado para as dimensões e condições originais da imagem, já que o processamento foi realizado em uma imagem subamostrada (Figura 7). 7

8 (a) (b) (c) Figura 5: Etapas da execução da quarta iteração: (a) segunda limiarização global aplicada à Figura 4c com limiar T = 172; (b) operador morfológico abertura; (c) extração do contorno, que posteriormente não foi validado conforme tópico 3.1 (a) (b) (c) Figura 6: Etapas da execução da última iteração: (a) segunda limiarização global aplicado à Figura 4c com limiar T = 182; (b) operador morfológico abertura; (c) extração do contorno, que posteriormente foi validado pelo processo iterativo (a) (b) (c) Figura 7: (a) Imagem original; (b) Contorno final do músculo peitoral sobreposto à imagem original; (c) Imagem original sem o músculo peitoral 8

9 4. RESULTADOS 4.1 Resultados do Método de Detecção do Contorno Externo da Mama Um total de 76 imagens da base de dados DDSM foram processadas. Para duas imagens o método falhou completamente, para quatro imagens, o método funcionou parcialmente, já que algumas áreas não pertencentes à mama foram consideradas como pertencentes ao contorno devido ao fundo da imagem ter níveis de cinza mais elevados e 70 imagens tiveram os contornos externos detectados corretamente. O tempo de processamento médio por imagem variou de 3 a 5 segundos, para imagens com resolução acima de 2500 pixels. 4.2 Resultados do Método de Detecção e Remoção do Músculo Peitoral Um total de 55 imagens MLO da base de dados DDSM foram processadas. Para uma imagem o método falhou completamente, para sete imagens, o método funcionou parcialmente, devido ao músculo peitoral não estar bem definido no mamograma, ou por causa de massas pertencentes ao tecido mamário estarem sobre a área do músculo peitoral e 49 imagens tiveram o músculo peitoral detectados satisfatoriamente. O tempo de processamento médio por imagem, com resolução acima de 2500 pixels, variou de 15 a 25 segundos. A quantidade de iterações influi diretamente no tempo e varia de imagem para imagem. 5. CONSIDERAÇÕES FINAIS Espera-se, como resultado, que este projeto contribua com o aumento da sensibilidade nos exames de radiologia de mama, com a redução de biopsias e conseqüentemente com a redução de riscos para a mulher e com a redução de custos com a saúde. Pode-se concluir que os dois métodos não são tecnicamente complexos, ou seja, não foram utilizados teoremas matemáticos, transformadas ou filtros. Foi importante perceber que as regiões de interesse (mama inteira e músculo peitoral) tratadas por cada método possuíam níveis de cinza diferentes e isolá-las fazendo várias limiarizações foi essencial para chegar a um resultado final. O pré-processamento é uma atividade importante para a obtenção de sucesso nos resultados finais, já que, os artefatos nas bordas, por serem regiões claras e densas podem vir a interferir nas operações de binarização e extração de contornos, presentes nos dois algoritmos. Relativo ao método de detecção e extração do músculo peitoral, vale ressaltar que na etapa de validação do contorno, os critérios estabelecidos aceitam contornos considerando o músculo peitoral como se fosse um triângulo. Portanto, para certos casos que fogem deste aspecto, o contorno pode pegar menores ou maiores porções do músculo peitoral. 6. AGRADECIMENTOS Agradecimentos ao CNPq (Conselho Nacional de Desenvolvimento Científico e Tecnológico) por financiar este projeto. 7. REFERÊNCIAS Ferrari R. J., Rangayyan R. M., Desautels J. E. L., Frère A. F., 2000, Segmentação de mamogramas: Identificação da borda da mama, músculo peitoral e disco glandular, Anais CBEB. Ferrari R. J., Rangayyan R. M., Desautels J. E. L., Borges R. A., Frère A. F., 2004, Automatic Identificaton of the Pectoral Muscle in Mammograms, IEEE Transactions on Medical Imaging Vol.23. 9

10 Ferrari R. J., Rangayyan R. M., Desautels J. E. L., Borges R. A., Frère A. F., 2004, Identification of the breast boundary im mammograms using active contour models, Medical & Biological Engineering & Computing Vol. 42. Gonzalez, R. C., Woods, R. E., 2000, Processamento de Imagens Digitais, Edgard Blucher. INCA - Instituto Nacional de Câncer, 2008, Incidências de câncer no Brasil, Ministério da Saúde. Kwok S. M., Chandrasekhar R., Attikiouzel Y., 2001, Automatic Pectoral Muscle Segmentation on Mammograms by Straight Line Estimation and Cliff Detection, Seventh Australian and New Zealand Intelligent Information Systems Conference. SEGMENTATION OF MAMMOGRAMS: DETECTION OF BREAST BOUNDARY AND EXTRACTION OF PECTORAL MUSCLE Vinicius Ruela Pereira Borges Universidade Federal de Uberlândia, Campus Santa Mônica Av. João Naves de Ávila, 2121, Uberlândia, MG, Brasil viniciusrpb@comp.ufu.br Denise Guliato guliato@ufu.br Abstract: This paper treats specifically with the segmentation of breast in digital mammograms. Here are presented two methods, the first to detect the breast boundary, it is important to delimit the region of the breast, facilitate the storage and management of data and ignore noise in the mammographic image and the second makes the detection and extraction of pectoral muscle in the Middle lateral oblique (MLO) views that can interfere in other methods of mammograms analysis based on grays levels. The methods were tested using a set of 55 cases obtained from the public database Digital Database for Screening Mammography (DDSM). The results presented showed that the proposed methods are very promising in detecting breast and extraction of the pectoral muscle. Keywords: computer aided diagnostic, segmentation of mammograms, breast boundary, pectoral muscle. 10