Este trabalho tem como objetivo o desenvolvimento de um novo método para a simulação de redução da dose de radiação em imagens mamográficas clínicas. Assim, estudos sobre a influência da redução da dose de radiação no diagnóstico do câncer de mama podem ser realizados sem que o paciente se exponha a doses extras de radiação. Uma análise preliminar foi realizada para a caracterização do ruído produzido pelo equipamento mamográfico no processo de aquisição da imagem. Essa análise evidenciou a importância de um método local de simulação, uma vez que o ruído depende da posição ao longo do campo. O novo método proposto consiste em ajustar os níveis de cinza e adicionar uma máscara de ruído Poisson, dependente do sinal, nas imagens clínicas adquiridas com a dose de radiação padrão, simulando sua aquisição com doses de radiação reduzidas. A dependência entre ruído e sinal foi criada com o uso da transformada de Anscombe. O desempenho do método proposto foi avaliado utilizando-se imagens mamográficas de um phantom antropomórfico obtidas com diferentes doses de radiação. As imagens simuladas pelo método proposto foram comparadas com as imagens reais. A similaridade entre os espectros de ruído permitiu a comparação de métricas locais da imagem. O erro percentual entre os níveis de cinza das imagens reais e simuladas se manteve inferior a 1%. O ruído adicionado manteve um erro percentual inferior a 1%. Testes de t-Student mostraram que não existe diferença estatística significante (p < 0,05) entre as imagens reais e simuladas pelo método proposto.

This work aims to develop a new method for simulating reduction of the radiation dose in clinical digital mammography. Using such method, studies regarding the influence of dose reduction in cancer diagnosis can be performed without unnecessary exposure of patients to X-ray radiation. A preliminary study characterized the noise produced by the digital mammography equipment during the acquisition process. This analysis emphasized the importance of simulating noise locally, since noise is dependent on the spatial position of the pixel. Therefore, the proposed method consists of adjusting the gray levels and adding signal-dependent Poisson noise to images acquired at the standard radiation dose. Dependency between noise and signal was created using the Anscombe transformation. The performance of the proposed method was evaluated using mammographic images of an anthropomorphic phantom acquired at different radiation doses. Images simulated using the proposed method were compared to real images acquired using the clinical equipment. Similarity between noise power spectra and local metrics validated the similarity between images. The gray level of the simulated and real images were compared using local mean and reported averaged errors smaller than 1%. The added noise was also compared and the averaged error was smaller than 1%. Statistical Student's t-test tests showed no statistical difference (p < 0.05) between real images and the ones simulated using the proposed method.