Reconstrução de Tomossíntese Mamária usando Modelos Markovianos Não Locais Esparsos (SNLMRFs)

• Processo: 17/17811-2
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• Data de Início da vigência: 01 de março de 2018
• Data de Término da vigência: 28 de fevereiro de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Denis Henrique Pinheiro Salvadeo
• Beneficiário: Denis Henrique Pinheiro Salvadeo
• Pesquisador Anfitrião: Andrew Douglas Arnold Maidment
• Instituição Sede: Instituto de Geociências e Ciências Exatas (IGCE). Universidade Estadual Paulista (UNESP). Campus de Rio Claro. Rio Claro , SP, Brasil
• Instituição Anfitriã: University of Pennsylvania, Estados Unidos
• Assunto(s): Processamento de imagens Campos aleatórios markovianos
• Palavra(s)-Chave do Pesquisador: Abordagem não Local | Campos Aleatórios Markovianos | Compressive sensing | Digital Breast Tomosynthesis | Estimação bayesiana | Reconstrução Tomográfica | Processamento de Imagens

Resumo

Tomossíntese Mamária, também conhecida como Mamografia 3-D, consiste em um sistema de imageamento para a realização de exames mamográficos, especialmente visando um diagnóstico precoce de câncer de mama. Este sistema de imageamento foi proposto recentemente, baseado no princípio da Tomografia Computadorizada (CT), mas com a aquisição restrita a uma pequena faixa angular (arco). Por utilizar radiação ionizante perigosa, deve-se sempre buscar formas de se reduzir a dose de radiação ionizante, mas mantendo qualidade suficiente para a análise médica (princípio ALARA). Deste modo, métodos de filtragem de ruído e reconstrução tomográfica mais adequados e robustos ao ruído tornam-se primordiais para que isto ocorra, uma vez que reduzir a dose de radiação da aquisição eleva o ruído da imagem adquirida. Assim, para a reconstrução de Tomossíntese Mamária, este projeto propõe investigar uma abordagem Bayesiana com conhecimento a priori definido por um novo modelo de Campos Aleatórios Markovianos (MRF), denominado MRF Não Local Esparso (SNLMRF). Este novo modelo pretende regularizar a solução do problema inverso da reconstrução considerando uma tripla restrição: redundância (informação não local), esparsidade (sensoriamento comprimido) e suavidade. Ressalta-se que este modelo une conceitos e teorias utilizados em métodos do estado da arte de filtragem de ruído. Para a avaliação da abordagem proposta, ela deverá ser comparada com métodos de reconstrução clássicos e em estado da arte de Tomossíntese Mamária. Com isso, espera-se que o uso de um modelo mais completo (tal como o SNLMRF) possa obter um melhor balanço entre redução de ruído e preservação de detalhes para imagens reconstruídas de Tomossíntese Mamária, aumentando a capacidade de um diagnóstico mais preciso.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SCARPARO, DANIELE CRISTINA; PINHEIRO SALVADEO, DENIS HENRIQUE; GUIMARAES PEDRONETTE, DANIEL CARLOS; BARUFALDI, BRUNO; ARNOLD MAIDMENT, ANDREW DOUGLAS. Evaluation of denoising digital breast tomosynthesis data in both projection and image domains and a study of noise model on digital breast tomosynthesis image domain. JOURNAL OF MEDICAL IMAGING, v. 6, n. 3, JUL 2019. (16/09714-4, 17/17811-2, 17/25908-6)

SALVADEO, DENIS H. P.; VIMIEIRO, RODRIGO B.; VIEIRA, MARCELO A. C.; MAIDMENT, ANDREW D. A.; SCHMIDT, TG; CHEN, GH; BOSMANS, H. Bayesian Reconstruction for Digital Breast Tomosynthesis using a Non-Local Gaussian Markov Random Field a priori model. MEDICAL IMAGING 2019: PHYSICS OF MEDICAL IMAGING, v. 10948, p. 6-pg., 2019-01-01. (17/17811-2, 16/25750-0)