Análise computacional da textura de tumores de mama em imagens por ultrassom de pacientes submetidas a cirurgia conservadora

Abstract

OBJETIVO: Avaliar as características de textura de lesões de mama em imagens por ultrassom de pacientes submetidas a cirurgia conservadora que apresentaram, ou não, recidiva. MATERIAIS E MÉTODOS: As imagens de ultrassom de 36 pacientes submetidas a cirurgia conservadora, com 12 tendo apresentado recidiva local e 24 que não apresentaram recidiva no local da cirurgia, foram divididas em: 3 malignas na mama oposta, 7 nódulos benignos, 5 hiperplasias atípicas e 9 alterações fibrocísticas. A textura das lesões foi quantificada utilizando-se dez parâmetros calculados da matriz de coocorrência e da curva de complexidade. Análise discriminante linear foi aplicada aos parâmetros para discriminação de lesões de mama em pacientes submetidas a cirurgia conservadora que apresentaram, ou não, recidiva. RESULTADOS: Avaliando-se a capacidade dos parâmetros em distinguir as recidivas do grupo composto por lesões não recidivas benignas e hiperplasias atípicas, obteve-se especificidade de 100%, com valores de acurácia e sensibilidade superiores a 91%. Num segundo teste, foi possível distinguir as cinco hiperplasias, das lesões não recidivas benignas. CONCLUSÃO: Apesar do número reduzido de casos, os resultados obtidos são encorajadores, sugerindo que o uso da quantificação da textura pode auxiliar na diferenciação entre lesões benignas, hiperplasias atípicas e lesões malignas de origem recidiva.

Assessing the combined performance of texture and morphological parameters in distinguishing breast tumors in ultrasound images

“…At a p-value cutoff of 0.05, no statistically significant difference between the best-performance sets of two and five parameters was observed; however, the parameters R, std, and asm i seem to give additional information about tumor characteristics (Table III). In a previous work, 47 the angular second moment (asm) and the standard deviation of the GLCM (std) were shown to be the most significant parameters in differentiating benign lesions (cysts and fibroadenomas), atypical hyperplasias, and tumor recurrences. By definition, asm provides a measurement of the homogeneity degree of a determined texture; the more homogeneous the texture, the higher the asm value.…”

Classification of breast masses in ultrasound images using self-adaptive differential evolution extreme learning machine and rough set feature selection

“…Benign lesions with more organized texture patterns produce higher values of asm 1 than malignant ones. 76 The sre is based on the fact that the texture in an image can be characterized based on run-lengths of gray levels. Most texture information is concentrated in the short-run region.…”

Integrando ferramentas de auxílio ao diagnóstico no sistema de arquivamento e comunicação de imagens

“…Computer-aided diagnosis (CAD) can be defined as a diagnosis made by a radiologist who utilizes the result from automated quantitative analyses of radiographic images as a second opinion in the diagnostic decision making process (12) . The purpose of CAD is to improve accuracy in diagnosis, as well as the consistency of radiological images interpretation, by utilizing the output from the computer as a reference (13)(14)(15) . Today, the standard for the utilization of CAD systems is still based on the model of a standalone workstation, without the integration of the obtained results with the information system or with the PACS.…”