Breast density classification through intensity and texture features

Breast cancer is a global problem, being the most frequent kind of cancer among Brazilian women. The most common tissue on the breast, that is, the breast density, is strongly associated with the risk of developing breast cancer, once dense breasts may hinder the visualization of some tumors. The best way to prevent such illness is through the mammography exam, which has a certain degree of subjectivity and depends mainly on the professional experience of the one who analyses the images. Computer-aided systems have frequently been used by radiology doctors as a tool to detect breast cancer at an early stage. The approach of this paper is that different mammography exams that show different breast density are represented by different tissues and, thus, are of different characteristics, which can be differed by their features. This way, the aim of this paper is to propose a method of classification of mammography images in density patterns from the extraction of features from the histogram and texture. The first tests were done in screen-film mammography images, and later, a digital database was used in order to verify the influence of features in different images. On the first test, with 75 screen-film mammography images, the k-means clustering technique was used and the classification was 96% accurate. When the 307 images were tested, the use of artificial neural networks was proposed and the classification of 99,26% mammography images was accurate in four classes of the pattern of breast density.Mestre em CiênciasO câncer de mama é um problema global, sendo o tipo de câncer mais frequente na mulher brasileira. O tipo de tecido predominante da mama, isto é, a densidade mamária, está fortemente associada ao risco de se contrair câncer de mama, visto que mamas densas podem dificultar a visualização de alguns tumores. A melhor forma de se prevenir tal enfermidade é a partir do exame de mamografia, apresentando este, alto grau de subjetividade e dependente principalmente da experiência do profissional que analisa a imagem. Sistemas de auxílio ao diagnóstico vêm sendo utilizados frequentemente por médicos radiologistas como ferramenta na detecção precoce do câncer de mama. A abordagem deste trabalho é de que mamogramas de diferentes padrões de densidade mamária são representados por tecidos diferentes, e consequentemente com diferentes características, podendo então ser diferenciados por seus atributos. Dessa forma, o objetivo deste trabalho é propor um método de classificação de imagens mamográficas em padrões de densidade mamária a partir da extração de atributos do histograma e de textura. Os primeiros testes foram feitos em imagens mamográficas em filme, e posteriormente foi utilizado um banco de imagens digitais a fim de verificar a influência dos atributos em diferentes imagens. No primeiro teste, com 75 mamogramas em filme, foi usada a técnica de agrupamento k-means que obteve 96% de acerto na classificação. Já para as 307 imagens digitais testadas, foi proposta a utilização de redes neurais artificiais, que conseguiu classificar corretamente 99,26% dos mamogramas em quatro classes de padrão de densidade mamária