Predição da qualidade da mamografia digital sob a perspectiva da detectabilidade de microcalcificações: uma abordagem radiômica

• Processo: 25/19147-9
• Modalidade de apoio: Auxílio à Pesquisa - Publicações científicas - Artigo
• Data de Início da vigência: 01 de novembro de 2025
• Data de Término da vigência: 30 de abril de 2026
• Área do conhecimento: Engenharias - Engenharia Biomédica - Engenharia Médica
• Pesquisador responsável: Marcelo Andrade da Costa Vieira
• Beneficiário: Marcelo Andrade da Costa Vieira
• Instituição Sede: Escola de Engenharia de São Carlos (EESC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Município da Instituição Sede: São Carlos
• Assunto(s): Mamografia digital Radiômica Processamento de imagens
• Palavra(s)-Chave do Pesquisador: Avaliação de Qualidade de Imagens | Mamografia digital | Radiômica | Processamento de Imagens Médicas

Resumo

Introdução: A qualidade da imagem em mamografia é influenciada por diversos fatores técnicos, incluindo a dose de radiação, os parâmetros de exposição e o tipo de detector. Embora os estudos com observadores sejam essenciais para avaliar a qualidade da imagem e a detectabilidade de lesões, eles são complexos, demorados e custosos, o que dificulta sua implementação rotineira. As métricas objetivas tradicionais para avaliação da qualidade apresentam aplicabilidade limitada em imagens médicas e frequentemente dependem de uma referência de ground-truth, geralmente indisponível em cenários clínicos. Portanto, métodos capazes de avaliar a qualidade da imagem diretamente a partir de exames clínicos, especialmente quando associados ao desempenho diagnóstico, são altamente desejáveis.Objetivo: Propor um método baseado em características radiômicas e aprendizado de máquina para predizer a qualidade de imagens clínicas de mamografia em termos da detectabilidade de microcalcificações, sem depender de estudos rotineiros com observadores.Métodos: Um total de 1.125 características radiômicas foi extraído de imagens clínicas de mamografia adquiridas em dois diferentes sistemas digitais de imagem da mama. A seleção de características foi realizada para reduzir a dimensionalidade e reter os atributos mais informativos. Esses atributos foram utilizados para treinar um modelo de regressão baseado em Multilayer Perceptron (MLP), a fim de estimar valores de detectabilidade definidos por um observador-modelo. Para aumentar a variabilidade dos dados e avaliar a robustez do modelo, dois tipos de degradação de imagem foram aplicados sinteticamente ao conjunto de dados, um associado ao ruído e outro ao desfoque. O modelo treinado foi avaliado por meio de análises quantitativas e estatísticas, com foco na correlação entre as pontuações de detectabilidade previstas e as de referência.Resultados: O modelo de regressão MLP proposto apresentou forte correlação com os valores de detectabilidade fornecidos pelo observador-modelo. Mesmo com a introdução das degradações, o modelo manteve elevada acurácia preditiva, alcançando coeficiente de correlação superior a 0,9.Conclusões: A combinação de características radiômicas com um modelo de regressão baseado em aprendizado de máquina demonstrou capacidade de considerar variações nos sistemas de aquisição e nas degradações simuladas de imagem. Essa abordagem se mostra uma ferramenta promissora para a avaliação da qualidade de imagens em mamografia clínica, especialmente em tarefas relacionadas à detecção de microcalcificações, sem a necessidade de estudos exaustivos com observadores. (AU)