Um Método para Correção de Imagens de Phantom e Classificação de suas Estruturas de Interesse
Resumo
Para realizar o controle de qualidade de sistemas mamográficos o Ministério da Saúde exige o uso de simuladores radiográficos (phantoms) de mama. Com o objetivo de reduzir a subjetividade na avaliação das imagens de phantom pela inspeção visual humana, está sendo desenvolvido um sistema computadorizado que utiliza um método de correção em imagens digitalizadas, associado à classificação de suas estruturas de interesse pelo critério de visibilidade. Ao comparar os resultados da classificação através do algoritmo J48 da ferramenta WEKA com e sem a correção das imagens, essa técnica apresentou uma melhora significativa na eficácia para determinadas estruturas do phantom.Referências
Barufaldi B. et al. (2009) “Sistema para o Controle de Qualidade de Mamógrafos e Geração Automática de Laudos Através da Análise de Imagens de Fantoma”, V Workshop de Visão Computacional, São Paulo.
Cinti, M. N. et al. (2004) “Custom Breast Phantom for an Accurate Tumor SNR Analysis”, IEEE Transactions on Nuclear Science, vol. 51(1) 198-204.
Gonzales R.C. and Woods R.E. (2002) “Digital Image Processing”, 2nd ed. Prentice Hall.
González-Lopez, A. (2007) “Useful optical density range in film dosimetry: Limitations due to noise and saturation” Phys. Med. Biol. 52, p.321-327.
Hogge J. et al. (1999) “Quality Assurance in Mammography: Artifact Analysis”, RadioGraphics, vol. 19 503-522.
INCA – Instituto Nacional do Câncer (2009) “Estimativa 2010: incidência de câncer no Brasil / Instituto Nacional de Câncer”, ISBN 978-85-7318-161-6 (98).
Medeiros R. B. , Alves F.F.R., Ruberti E. M and Ferreira D.F.P (2002) “Influência das condições de processamento no desempenho de dois sistemas tela/filme utilizados na mamografia”, Revista Brasileira de Engenharia Biomédica, vol. 18 (2) 57-63.
Tiezzi D.G. (2010) “Câncer de mama: um futuro desafio para o sistema de saúde nos países em desenvolvimento”` Rev. Bras. Ginecol. Obstet. 32(6).
Witten I. H. and Frank, E. (2005) “Data Mining – Practical Machine Learning Tools and Techniques”. San Francisco, Elsevier, 2nd Edition.
Cinti, M. N. et al. (2004) “Custom Breast Phantom for an Accurate Tumor SNR Analysis”, IEEE Transactions on Nuclear Science, vol. 51(1) 198-204.
Gonzales R.C. and Woods R.E. (2002) “Digital Image Processing”, 2nd ed. Prentice Hall.
González-Lopez, A. (2007) “Useful optical density range in film dosimetry: Limitations due to noise and saturation” Phys. Med. Biol. 52, p.321-327.
Hogge J. et al. (1999) “Quality Assurance in Mammography: Artifact Analysis”, RadioGraphics, vol. 19 503-522.
INCA – Instituto Nacional do Câncer (2009) “Estimativa 2010: incidência de câncer no Brasil / Instituto Nacional de Câncer”, ISBN 978-85-7318-161-6 (98).
Medeiros R. B. , Alves F.F.R., Ruberti E. M and Ferreira D.F.P (2002) “Influência das condições de processamento no desempenho de dois sistemas tela/filme utilizados na mamografia”, Revista Brasileira de Engenharia Biomédica, vol. 18 (2) 57-63.
Tiezzi D.G. (2010) “Câncer de mama: um futuro desafio para o sistema de saúde nos países em desenvolvimento”` Rev. Bras. Ginecol. Obstet. 32(6).
Witten I. H. and Frank, E. (2005) “Data Mining – Practical Machine Learning Tools and Techniques”. San Francisco, Elsevier, 2nd Edition.
Publicado
19/07/2011
Como Citar
BARUFALDI, Bruno; CAVALCANTI, Amanda B.; BATISTA, Leonardo V.; GÓIS, Renata F.; SCHIABEL, Homero; CARVALHO, José F. G..
Um Método para Correção de Imagens de Phantom e Classificação de suas Estruturas de Interesse. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO APLICADA À SAÚDE (SBCAS), 11. , 2011, Natal/RN.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2011
.
p. 1746-1755.
ISSN 2763-8952.
