Compartilhamento |
|
Use este identificador para citar ou linkar para este item:
https://tedebc.ufma.br/jspui/handle/tede/tede/2574
Registro completo de metadados
Campo DC | Valor | Idioma |
---|---|---|
dc.creator | Santos Neto, Antonino Calisto dos | - |
dc.creator.Lattes | http://lattes.cnpq.br/1675124078743296 | por |
dc.contributor.advisor1 | Silva, Aristófanes Corrêa | - |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2446301582459104 | por |
dc.contributor.advisor-co1 | Cavalcante, André Borges | - |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/3885279033465023 | por |
dc.contributor.referee1 | Silva, Aristófanes Corrêa | - |
dc.contributor.referee1Lattes | http://lattes.cnpq.br/2446301582459104 | por |
dc.contributor.referee2 | Cavalcante, André Borges | - |
dc.contributor.referee2Lattes | http://lattes.cnpq.br/3885279033465023 | por |
dc.contributor.referee3 | Carvalho Filho, Antônio Oséas de | - |
dc.contributor.referee3Lattes | http://lattes.cnpq.br/7913655222849728 | por |
dc.contributor.referee4 | Barros Netto, Stelmo Magalhaes | - |
dc.contributor.referee4Lattes | http://lattes.cnpq.br/9897454292052062 | por |
dc.date.accessioned | 2019-03-29T12:32:28Z | - |
dc.date.issued | 2019-02-15 | - |
dc.identifier.citation | Santos Neto, Antonino Calisto dos. Uma abordagem radiomics usando índices de diversidade filogenética e funcional para classificar nódulos de câncer de pulmão de células não pequenas em imagens de tomografia computadorizada. 2019. 86 f. Dissertação (Programa de Pós-Graduação em Engenharia de Eletricidade/CCET) - Universidade Federal do Maranhão, São Luís . | por |
dc.identifier.uri | https://tedebc.ufma.br/jspui/handle/tede/tede/2574 | - |
dc.description.resumo | O câncer de pulmão é a maior causa de morte por câncer em todo mundo, representando mais de 17% do total de mortes relacionadas com câncer, sendo que o câncer de pulmão de células não pequenas (Non Small Cell Lung Cancer - NSCLC) corresponde a aproximadamente 85% das ocorrências do câncer pulmonar. Porém, seu diagnóstico precoce pode ajudar em uma queda acentuada nesta taxa de mortalidade. Devido o árduo processo na análise dos exames por imagens, surge um campo emergente em processamentos de imagens chamado de Radiomics. Esta abordagem permite caracterizar uma imagem quantitativamente, o que possibilita a definição muito mais precisa do fenótipo do tumor, utilizando técnicas de processamento de imagens e reconhecimento de padrões, provendo um diagnóstico precoce de NSCLC de forma rápida e ajudando na opinião do especialista. Diante disso, este trabalho propõe uma metodologia para a classificação de nódulos de NSCLC em exames de Tomografia Computadorizada (TC) utilizando índices de diversidade filogenética e funcional em uma abordagem Radiomics. Dividida em seis etapas, esta metodologia se inicia com a aquisição das imagens de nódulos de NSCLC da base pública de imagens NSCLC-Radiomics. Na segunda etapa, as lesões foram extraídas utilizando as marcações dos especialistas. Em seguida, na terceira etapa são feitas quantizações para criarem maiores diversidades de espécies. Na quarta fase, são extraídas características de textura baseadas em índices de diversidade filogenética e funcional. Em seguida, na quinta fase as características são submetidas aos classificadores Suport Vector Machine, e Random Forest. Por fim, na sexta etapa, a metodologia proposta é validada utilizando a área sob a curva Receiver Operating Characteristic (ROC), o índice Kappa e a acurácia. Os melhores valores achados para a classificação de nódulos de NSCLC na abordagem Radiomics, resultaram em um índice Kappa de 0,989, uma área sob a curva ROC de 0,999 e uma acurácia de 99,44%. | por |
dc.description.abstract | Lung cancer is the world’s largest cause of cancer death, accounting for more than 17% of all cancer-related deaths, with Non- Small Cell Lung Cancer (NSCLC) corresponds to approximately 85% of lung cancer occurrences. However, its early diagnosis may help in a sharp fall in this mortality rate. Due to the arduous process in the analysis of the imaging tests, an emerging field in image processing called Radiomics arises. This approach allows quantitative characterization of an image, which allows a much more precise definition of the tumor phenotype, using image processing and pattern recognition techniques, providing an early diagnosis of NSCLC quickly and helping the opinion of the specialist. Therefore, this work proposes a methodology for the classification of NSCLC nodules in Computed Tomography (CT) examinations using indexes of phylogenetic and functional diversity in a Radiomics approach. Divided into six steps, this methodology starts with the acquisition of NSCLC nodal images from the public NSCLC-Radiomics imaging base. In the second step, the lesions were extracted using the markings of the specialists. Then, in the third stage, quantizations are made to create greater diversity of species. In the fourth phase, texture characteristics are extracted based on phylogenetic and functional diversity indexes. Then, in the fifth phase, the characteristics are submitted to the classifications Suport Vector Machine, Random Forest and Random Tree. Finally, in the sixth step, the proposed methodology is validated using the area under the Receiver Operating Characteristic (ROC) curve, the Kappa index and the accuracy. The best values found for the classification of NSCLC nodules in the Radiomics approach resulted in a Kappa index of 0.990, an area under the ROC curve of 0.999 and an accuracy of 99.44. | eng |
dc.description.provenance | Submitted by IOLE PINHEIRO (iole.pinheiro@ufma.br) on 2019-03-29T12:32:28Z No. of bitstreams: 1 AntoninoNeto.pdf: 791169 bytes, checksum: edfbe2790d74f5628a8d5da55c8b177c (MD5) | eng |
dc.description.provenance | Made available in DSpace on 2019-03-29T12:32:28Z (GMT). No. of bitstreams: 1 AntoninoNeto.pdf: 791169 bytes, checksum: edfbe2790d74f5628a8d5da55c8b177c (MD5) Previous issue date: 2019-02-15 | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes) | por |
dc.format | application/pdf | * |
dc.language | por | por |
dc.publisher | Universidade Federal do Maranhão | por |
dc.publisher.department | COORDENAÇÃO DO CURSO DE ENGENHARIA ELÉTRICA/CCET | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFMA | por |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET | por |
dc.rights | Acesso Aberto | por |
dc.subject | Radiomics | por |
dc.subject | NSCLS-Radiomics | por |
dc.subject | NSCLS | por |
dc.subject | Índice diversidade filogenética | por |
dc.subject | Índice de diversidade funcional | por |
dc.subject | Classificação de nódulos pulmonares | por |
dc.subject | Radiomics | eng |
dc.subject | NSCLS-Radiomics | eng |
dc.subject | NSCLS | eng |
dc.subject | Index of phylogenetic diversity | eng |
dc.subject | Functional diversity index | eng |
dc.subject | Classification of pulmonary nodules | eng |
dc.subject.cnpq | Cancerologia | por |
dc.subject.cnpq | Metodologia e Técnicas da Computação | por |
dc.title | Uma abordagem radiomics usando índices de diversidade filogenética e funcional para classificar nódulos de câncer de pulmão de células não pequenas em imagens de tomografia computadorizada | por |
dc.title.alternative | A radiomics approach using phylogenetic and functional diversity indexes to classify non-small cell lung cancer nodules in computed tomography | eng |
dc.type | Dissertação | por |
Aparece nas coleções: | DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
AntoninoNeto.pdf | Dissertação de Mestrado | 772,63 kB | Adobe PDF | Baixar/Abrir Pré-Visualizar |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.