Estudo comparativo de métodos baseados em modelo e em dados para redução de ruído em imagens mamográficas digitais (2025)
- Authors:
- Autor USP: CAVALLINI, PEDRO - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- Subjects: APRENDIZAGEM PROFUNDA; MAMOGRAFIA; IMAGEM
- Keywords: Mamografia Digital; Redução de Ruído; Métodos Baseados em Modelo; Auto-Supervisionado; Avaliação de Imagem Médica
- Language: Português
- Abstract: Este trabalho apresenta um estudo comparativo de métodos baseados em modelo (modelbased) e métodos baseados em dados (data-based) para redução de ruído em imagens de mamografia digital de campo total (FFDM). A motivação central da pesquisa reside no dilema fundamental em imagens médicas adquiridas por raios-X: a qualidade da imagem é intrinsecamente vinculada à dose de radiação, tornando crítico o desenvolvimento de técnicas de filtragem de ruído que permitam otimizar protocolos de baixa dose sem comprometer a detectabilidade de estruturas anatômicas, como microcalcificações. O trabalho implementou e avaliou sistematicamente métodos analíticos — filtro Gaussiano e BM3D — bem como métodos de aprendizado profundo supervisionados e auto-supervisionados — Noise2Clean, Noise2Void e Noise2Sim — utilizando duas bases de dados: imagens sintéticas geradas pelos ensaios clínicos virtuais (VICTRE) e imagens clínicas reais de mamografia. Os resultados demonstraram que o BM3D alcançou o melhor desempenho geral (MNSE: 2,419%), apresentando excelente balanço entre supressão de ruído e preservação de estruturas (RN : 0,881%; B2: 1,539%). Entre os métodos de aprendizado profundo, o Noise2Sim destacou-se por apresentar o menor viés quadrático entre os métodos data-based (B2: 2,357%), preservando melhor as estruturas de alta frequência críticas para o diagnóstico, apesar de maior ruído residual.O Noise2Void alcançou redução eficiente de ruído (RN : 0,613%) mas apresentou borramento excessivo (B2: 5,369%), limitação reconhecida do método. Uma observação crítica foi que métricas tradicionais como PSNR e SSIM priorizam redução de ruído sem adequadamente ponderar o borramento, tornando a decomposição do MNSE (Mean Normalized Squared Error) em componentes de ruído residual (RN ) e viés quadrático (B2) mais informativa para avaliação em contextos médicos. Conclui-se que, embora métodos model-based como BM3D permaneçam como referência quando os parâmetros de aquisição são bem caracterizados, os métodos data-based auto-supervisionados, particularmente o Noise2Sim, demonstram potencial significativo para aplicações clínicas em cenários com múltiplos equipamentos e protocolos heterogêneos, abrindo caminho para otimização de dose mantendo qualidade diagnóstica em mamografia digital
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
-
ABNT
CAVALLINI, Pedro e VIEIRA, Marcelo Andrade da Costa. Estudo comparativo de métodos baseados em modelo e em dados para redução de ruído em imagens mamográficas digitais. 2025. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2025. Disponível em: https://bdta.abcd.usp.br/directbitstream/a137b8a5-313f-41ad-a813-7b3f01bbc7b8/Cavallini_Pedro.pdf. Acesso em: 19 jan. 2026. -
APA
Cavallini, P., & Vieira, M. A. da C. (2025). Estudo comparativo de métodos baseados em modelo e em dados para redução de ruído em imagens mamográficas digitais (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/a137b8a5-313f-41ad-a813-7b3f01bbc7b8/Cavallini_Pedro.pdf -
NLM
Cavallini P, Vieira MA da C. Estudo comparativo de métodos baseados em modelo e em dados para redução de ruído em imagens mamográficas digitais [Internet]. 2025 ;[citado 2026 jan. 19 ] Available from: https://bdta.abcd.usp.br/directbitstream/a137b8a5-313f-41ad-a813-7b3f01bbc7b8/Cavallini_Pedro.pdf -
Vancouver
Cavallini P, Vieira MA da C. Estudo comparativo de métodos baseados em modelo e em dados para redução de ruído em imagens mamográficas digitais [Internet]. 2025 ;[citado 2026 jan. 19 ] Available from: https://bdta.abcd.usp.br/directbitstream/a137b8a5-313f-41ad-a813-7b3f01bbc7b8/Cavallini_Pedro.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Cavallini_Pedro.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
