???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tedebc.ufma.br/jspui/handle/tede/tede/1834
Full metadata record
DC FieldValueLanguage
dc.creatorSILVA, Joberth de Nazaré-
dc.creator.Latteshttp://lattes.cnpq.br/3774347465126944por
dc.contributor.advisor1SILVA, Aristófanes Corrêa-
dc.contributor.advisor-co1PAIVA, Anselmo Cardoso-
dc.date.accessioned2017-08-16T18:29:06Z-
dc.date.issued2013-02-20-
dc.identifier.citationSILVA, Joberth de Nazaré. Detecção automática de massas em mamografias digitais usando Quality Threshold clustering e MVS. 2013. 105 f. Dissertação (Mestrado em Engenharia de Eletricidade) - Universidade Federal do Maranhão, São Luís, 2013.por
dc.identifier.urihttp://tedebc.ufma.br:8080/jspui/handle/tede/1834-
dc.description.resumoO câncer de mama é, mundialmente, a forma mais comum de câncer em mulheres afetando, em algum momento suas vidas, aproximadamente uma em cada nove a uma em cada treze mulheres que atingem os noventa anos no mundo ocidental (LAURANCE, 2006). O câncer de mama é ocasionado pela reprodução frequente de células de diversas partes do corpo humano. Em certos momentos e por motivos ainda desconhecidos algumas células começam a se reproduzir com uma velocidade maior, ocasionando o surgimento de massas celulares denominadas de neoplasias ou tumores que são tecidos de formação nova, mas de origem patológica. Neste trabalho foi proposto um método de detecção automática de massas em mamografias digitais usando o Quality Threshold (QT), e a Máquina de Vetores de Suporte (MVS). As etapas de processamento das imagens foram as seguintes: primeiramente veio a fase de pré-processamento que consiste em retirar o fundo da imagem, suavizá-la com um filtro passa-baixa, aumentar a escala de contraste, e na sequencia realizar um realce com a Transformada de Wavelet (WT) através da alteração dos seus coeficientes com uma função linear. Após a fase de pré-processamento vem a seguimentação utilizando o QT que segmenta a imagem em clusters com diâmetros pré-definidos. Em seguida, vem o pós-processamento com a seleção dos melhores candidatos à massa feita através da análise dos descritores de forma pela MVS. Para fase de extração de características de textura foram utiliza os descritores de Haralick e a função correlograma. Já na fase de classificação a MVS novamente foi utilizada para o treinamento, validação do modelo MVS e teste final. Os resultados alcançados foram: sensibilidade de 92,31%, especificidade de 82,2%, Acurácia de 83,53%, uma taxa de falsos positivos por imagem de 1,12 e uma área sob a curva FROC de 0,8033.por
dc.description.abstractBreast cancer is worldwide the most common form of cancer affecting woman, sometimes in their lives, at the proportion of either one to nine or one to thirteen women who reach the age of ninety in the west world (LAURENCE, 2006). Breast cancer is caused by frequent reproduction of cells in various parts of the human body. At certain times, and for reasons yet unknown, some cells begin to reproduce at a higher speed, causing the onset of cellular masses called neoplasias, or tumors, which are new tissue formation, but from pathological origin. This work has proposed a method of automatic detection of masses in digital mammograms, using the Quality Threshold (QT), and the Supporting Vector Machine (MVS). The images processing steps were as follows: firstly, the pre-processing phase took place which consisted of removing the background image, smoothing it with a low pass filter, to increase the degree of contrast, and then, in sequence, accomplishing an enhancement of the Wavelet Transform (WT) by changing their coefficients with a linear function. After the pre-processing phase, came the segmentation with the use of the QT which divided the image in to clusters with pre-defined diameters. Then, the post-processing occurred with the selection of the best candidates to mass formed by the MVS analysis of the shape descriptors. For the extraction phase of texture features the Haralick descriptors and the function correlogram were used. As for the classification stage, the MVS was used again for training, validation of the MVS model and final test. The achieved results were: sensitivity of 92. 31%, specificity of 82.2%, accuracy of 83,53%, a false positive rate per image of 1.12 and an area under a FROC curve of 0.8033.eng
dc.description.provenanceSubmitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-08-16T18:29:06Z No. of bitstreams: 1 JoberthSilva.pdf: 6383640 bytes, checksum: f18918eb45c49cb426b560e4daddf994 (MD5)eng
dc.description.provenanceMade available in DSpace on 2017-08-16T18:29:06Z (GMT). No. of bitstreams: 1 JoberthSilva.pdf: 6383640 bytes, checksum: f18918eb45c49cb426b560e4daddf994 (MD5) Previous issue date: 2013-02-20eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)por
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal do Maranhãopor
dc.publisher.departmentDEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCETpor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFMApor
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCETpor
dc.rightsAcesso Abertopor
dc.subjectDetecção Automática de Massaspor
dc.subjectQuality Threshold (QT)eng
dc.subjectFunção Correlogramapor
dc.subjectMáquina de Vetores de Suportepor
dc.subjectAutomatic Detection of Masseseng
dc.subjectCorrelogram Functioneng
dc.subjectSupporting Vector Machineeng
dc.subject.cnpqProcessamento Gráficopor
dc.subject.cnpqCancerologiapor
dc.titleDetecção automática de massas em mamografias digitais usando Quality Threshold clustering e MVSpor
dc.title.alternativeAutomatic mass detection on digital mammography using Quality Threshold clustering and MVSeng
dc.typeDissertaçãopor
Appears in Collections:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Files in This Item:
File Description SizeFormat 
JoberthSilva.pdfDissertação6,23 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.