| Resumo: | A imagem de ultrasons é uma ferramenta de diagnóstico importante e cada vez mais aplicada na deteção do cancro da mama. No entanto, este tipo de exame é, intrinsecamente, degradado por ruído e pelo baixo contraste, resultando em di culdades na deteção de massas ou nódulos e, acima de tudo, na avaliação do seu tamanho e forma. Neste sentido, as técnicas de diagnóstico assistido por computador surgem como um factor de suporte importante para a análise deste tipo de imagem. No presente trabalho, uma abordagem bifaseada para um método de segmentação de ultrasons mamários, totalmente automático, é apresentada. A primeira etapa procura realizar uma segmentação inicial da imagem, que permita a localização primária da Região de Interesse (ROI). A segunda parte foca-se na área de nida na etapa anterior, tendo como objectivo a melhoria da resolução espacial da segmentação. Na primeira etapa de segmentação, diversas técnicas de classi cação binária são aplicadas para realizar a segmentação da imagem, utilizando características multiresolução para o descriptor de pixel - ltragem FIR passa-banda e difusão não linear e curvatura scale-space de alta escala. Estas técnicas de processamento de imagem são aplicadas para a redução da in uência dos componentes de ruído inerentes aos ultrasons e, simultaneamente, recolher informação estrutural e estatística adequada para a segmentação das massas. Os dados são classi cados usando Support Vector Machines e Análise Discriminante. Na segunda fase, as máscaras obtidas a partir da segmentação inicial são dilatadas, produzindo uma área restrita que contém a ROI. Considerando apenas os pixéis pertencentes a esta região, uma nova segmentação é executada, através do algoritmo AdaBoost, usando a difusão não linear e curvaturas de menor escala. Um algoritmo de contornos activos é, também, aplicado para melhorar os resultados da segmentação, sendo as máscaras da segmentação inicial utilizadas como contornos iniciais. Os resultados nais con rmam a metodologia proposta como sendo uma solução promissora para a segmentação de massas em imagens de ultrasons da mama, revelando, em termos globais, bons resultados de acurácia - 97,58% (AdaBoost) e 97,70% (Contornos Activos) -, sensibilidade - 76,46% (AdaBoost) e 75,40% (Contornos Activos) - e de precisão - 87,26% (AdaBoost) e 87,51% (Contornos Activos).
|
|---|