Publication
Automatic quantification and classification of breast density in 2D ultrasound images
| dc.contributor.author | Oliveira, Ângela Cristina Marques de | |
| dc.contributor.author | Marques Oliveira, Angela Cristina | |
| dc.date.accessioned | 2025-03-27T17:31:21Z | |
| dc.date.available | 2025-03-27T17:31:21Z | |
| dc.date.issued | 2015 | |
| dc.description.abstract | O cancro da mama é uma doença grave que afeta milhões de pessoas em todo o mundo, tendo a densidade mamária sido identificada por vários estudos como um fator de risco para o cancro da mama. Assim, a avaliação da densidade mamária é importante na prevenção do cancro da mama. Os ecógrafos disponíveis comercialmente não fornecem uma estimativa da densidade mamária, sendo a avaliação da densidade baseada na observação visual subjetiva de imagens ecográficas, pelos médicos, por esse motivo a exatidão dessa avaliação depende da capacidade e experiência do médico, a qual pode variar entre eles. Têm sido propostos vários métodos para avaliar a densidade mamária em mamografia e ultrassonografia notando que existem vários métodos para a mamografia, mas poucos para ultrassonografia. Neste estudo, foi analisado um conjunto de imagens de ecografias mamárias. A densidade mamária neste conjunto de imagens foi avaliada visualmente por dois médicos, incluindo duas avaliações distintas realizadas pelo primeiro médico em diferentes períodos de tempos.Foi realizada uma avaliação quantitativa e qualitativa utilizando algoritmos semiautomáticos e automáticos com algoritmos de limiar do histograma e do método de Otsu, resultando num total de seis algoritmos. Foi definido um intervalo para a análise quantitativa em que o valor mínimo corresponde ao menor valor das três observações feitas pelos médicos para uma dada imagem e o valor máximo corresponde ao valor mais elevado das referidas observações. Para o algoritmo BDthr128, 56% dos casos pertencem ao intervalo, enquanto que o correspondente valor foi de 73% para o algoritmo BDthrAuto; estes resultados mostram que o algoritmo BDthrAuto tem melhor desempenho que o do que o primeiro, de acordo com a avaliação da densidade mamária feita pelos médicos. É também descrita a aplicação de um algoritmo que isola a glândula mamária em BDthr128 e BDthrAuto resultando nos algoritmos automáticos BDCombo128 e BDComboAuto. O procedimento utilizado para a análise dos resultados de densidade mamária foi o mesmo que o definido para os algoritmos BDthr. Depois de considerar o intervalo com o máximo e o mínimo das observações da mesma imagem, 28% dos valores obtidos aplicando os algoritmos estavam dentro do intervalo para o algoritmoBDCombo128 e 42% para o BDComboAuto,o que mostra que o algoritmo automático Tem melhor desempenho consideração as avaliações dos médicos. Considerando os valores das três observações fornecidas pelos radiologistas e os valores obtidos para a densidade mamária através dos quatro algoritmos desenvolvidos, aos correspondentes valores e para cada imagem de ecografia mamária, foi atribuído consoante o valor, o correspondente tipo considerando a avaliação qualitativa BIRADS (1, 2, 3 ou 4). Com três coincidências com os valores dos radiologistas, foram obtidas 33% das 85 imagens utilizando o algoritmo de BDthr128 e 48% das 85 imagens, utilizando o algoritmo de BDthrAuto. Por outro lado, o algoritmo BDthr128 obteve coincidência, com pelo menos duas das observações dos radiologistas em 69% das 85 imagens enquanto o BDthrAuto obteve 86% na mesma situação. No que diz respeito aos algoritmos automáticos e com três coincidências, o algoritmo BDCombo128 obteve 25% das 85 imagens e o BDComboAuto 47%. Com pelo menos duas coincidências o algoritmo BDCombo128 obteve 58% e o algoritmo BDComboAuto 79% das 85 imagens de ecografia mamária. Para a aplicação do método de Otsu, não foram consideradas imagens com nódulos mamários porque, com base nos resultados obtidos usando os algoritmos anteriores, foi concluído que este tipo de imagens necessita de especial atenção em investigação futura. Assim e para 82 imagens de ecografia mamária, quando foi aplicado o algoritmo semiautomático BDthrOtsu, obtiveram-se 65 % das imagens no intervalo considerado, enquanto para o BDthrAuto esse valor é de cerca de 70%. Quanto aos algoritmos automáticos, tem-se para o algoritmo BDComboAuto, 49% das imagens dentro do intervalo e para o BDComboOtsu o valor é de 61%. No caso da avaliação qualitativa, com total coincidência com as observações dos radiologistas, obtiveram se 46% dos valores para o algoritmo BDthrOtsu e o mesmo valor para o BDthrAuto. Assim, apenas na avaliação quantitativa o algoritmo BDComboOtsu apresenta um melhor desempenho que o BDComboAuto. Pode concluir-se que a densidade mamária pode ser calculada usando um método semiautomático baseado na seleção manual da área glandular nas imagens de ecografias e usando um limiar automático do intervalo de intensidade cinza ou utilizando um método automático baseado na extração automática de área glandular e o limiar de Otsu. | por |
| dc.description.abstract | Abstract: Breast cancer is a disease that affects millions of people. Several studies have identified breast density as an important risk factor for breast cancer. Thus, the evaluation of breast density is important for preventing breast cancer. Current commercially available ultrasound systems do not provide an estimation of breast density, and the evaluation of breast density is based on subjective visual observation of breast ultrasound images by radiologists; therefore, the accuracy of this evaluation is dependent on the skills of the radiologist, which may vary among radiologists. Several methods have been proposed to evaluate breast density in mammography and ultrasonography noting that there are several methods for mammographic evaluation but only a few for ultrasound evaluation. In this study, a set of breast ultrasound images was analyzed. Breast density was manually evaluated by two radiologists using this image set, including two distinct evaluations by the first radiologist in different periods. A quantitative and qualitative assessment was performed using semiautomatic and automatic algorithms with histogram thresholding algorithms and the Otsu method, resulting in six algorithms. An interval was defined for a quantitative analysis where the minimum value corresponds to the lowest value of the three radiologist observations, and the maximum value corresponds to the highest value of those observations. For the BDthr128 algorithm, 56% of the cases fall within the interval, whereas the value was 73% for the BDthrAuto algorithm; these findings show that the BDthrAuto algorithm has better performance than the former according to the radiologist evaluation of breast density. The application of an algorithm that isolates the mammary gland in BDthr128 and BDthrAuto resulting in BDCombo128 and BDComboAuto automatic algorithms is also described. The procedure used for the analysis of the breast density results was the same as that defined for the BDthr algorithms. After considering the range with the maximum and minimum for the observations of the same image, 28% of the values obtained by applying the algorithms were within the range for the BDCombo128 algorithm and 42% for the BDComboAuto showing that the automatic algorithm performs better according to the radiologist evaluations. Considering the three breast density observations for each image provided by radiologists and each breast density obtained with the four algorithms for each image, according to the qualitative BIRADS assessment, 3 hits were obtained for 33% of the 85 images using the BDthr128 algorithm and for 48% of the 85 images using the BDthrAuto algorithm. On the other hand, the BDthr128 algorithm achieved at least 2 hits with the radiologist observations in 69% of the images, whereas the BDthrAuto algorithm obtained 86% in the same situation. The BDCombo128 algorithm with 3 hits obtained 25% and the BDComboAuto algorithm obtained 47% in the same situation. With at least 2 hits, the BDCombo128 algorithm obtained 58%, and the BDComboAuto algorithm obtained 79%. For the application of the Otsu method, images with mammary nodules were not considered because based on the results obtained when using the previous algorithms, it was concluded that this type of image deserves special attention in future research. Thus and for the set of 82 breast ultrasound images, applying the BDthrOtsu semiautomatic algorithm, 65% of the images fall within the considered range, while for BDthrAuto this value is about 70%. Regarding automatic algorithms, BDComboAuto algorithm leads to 49% of images within the range, while the BDComboOtsu leads to 61%. For qualitative evaluation, with full coincidence with the radiologist observations, we obtained 46% of the values for the BDthrOtsu algorithm and the same value for the BDthrAuto. Thus, only in the quantitative assessment, the BDComboOtsu algorithm performs better than the BDComboAuto.In conclusion, breast density may be computed using a semiautomatic method based on manual selection in glandular areas of breast images and automatic thresholding of the interval of gray intensity or using an automatic method based on automatic extraction of the glandular area and Otsu thresholding. | eng |
| dc.identifier.uri | http://hdl.handle.net/10400.11/10098 | |
| dc.language.iso | por | |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Densidade mamária | |
| dc.subject | Imagem de ecografia | |
| dc.subject | Avaliação da densidade mamária | |
| dc.subject | Análise assistida por computador | |
| dc.subject | Algoritmo para avaliação da densidade mamária | |
| dc.subject | Histograma | |
| dc.subject | Limiar | |
| dc.subject | Breast density | |
| dc.subject | Breast ultrasound image | |
| dc.subject | Breast density evaluation | |
| dc.subject | Computer-aided analysis | |
| dc.subject | Algorithm for breast density evaluation | |
| dc.subject | Histogram based threshold methods | |
| dc.title | Automatic quantification and classification of breast density in 2D ultrasound images | por |
| dc.type | doctoral thesis | |
| dspace.entity.type | Publication | |
| person.familyName | Marques Oliveira | |
| person.givenName | Angela Cristina | |
| person.identifier.ciencia-id | 471B-8360-6CF9 | |
| person.identifier.orcid | 0000-0003-0172-4679 | |
| person.identifier.scopus-author-id | 55810696000 | |
| relation.isAuthorOfPublication | 743a5c35-45ff-4434-bd00-b2c14691ba19 | |
| relation.isAuthorOfPublication.latestForDiscovery | 743a5c35-45ff-4434-bd00-b2c14691ba19 | |
| thesis.degree.name | Doutoramento em Computer Science and Engineering |