Título: Aplicação de Detecção de Objetos na Avaliação de Qualidade de Imagem em Mamografia
Autores: Roger Ferreira da Silva, Laila F. Moreira de Almeida, Maria S. Nogueira & Frederico Gadelha Guimarães
Resumo: O câncer de mama é o segundo mais incidente no mundo, com 2,3 milhões de novos casos em 2022, sendo o de maior incidência e mortalidade entre as mulheres. A mamografia tem papel fundamental na detecção precoce e diminuição da mortalidade do câncer de mama e deve estar dentro de padrões rigorosos para permitir o diagnóstico apropriado. Entre os testes regulares e obrigatórios para a garantia da qualidade do exame, est á a avaliação visual da imagem radiográfica do fantoma (simulador) de mama, a qual deve demonstrar a capacidade do sistema de mamografia em visibilizar as estruturas de interesse. Como a avaliação é feita por humanos, h á um evidente fator subjetivo envolvido, que pode afetar sua precisão. O presente trabalho propõe a aplicação de redes neurais convolucionais de detecção de objetos (RNC-DO) para a automação do processo de avaliação de imagens de fantomas de mamografia do Colégio Brasileiro de Radiologia (CBR), utilizando 815 imagens escaneadas do Programa de Controle de Qualidade em Mamografia de Minas Gerais (PECQMamo-MG). O algoritmo YOLOv7, tamanhos de imagem 1280×640 e 1600×800 e formatos de imagem JPG e PNG são utilizados para obtenção de modelos de detecção de fibras, massas, microcalcificações e grades. Os resultados mostraram o melhor desempenho do uso de imagens JPG 1280×640 (mAP de teste 0.896); a precisão da detecção de cada tipo de estrutura ficou acima de 96%, chegando a 100% para grade; nenhuma estrutura foi erroneamente predita como uma estrutura diferente.
Palavras-chave: mammography quality; phantom; neural networks; object detection.
Páginas: 5
Código DOI: 10.21528/CBIC2025-1190847
Artigo em PDF: CBIC_2025_paper1190847.pdf
Arquivo BibTeX:
CBIC_2025_1190847.bib