Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: https://tedebc.ufma.br/jspui/handle/tede/tede/417
Tipo do documento: Dissertação
Título: DETECÇÃO DE MASSAS EM IMAGENS MAMOGRÁFICAS USANDO REDES NEURAIS CELULARES, FUNÇÕES GEOESTATÍSTICAS E MÁQUINAS DE VETORES DE SUPORTE
Título(s) alternativo(s): DETECTION OF MASSES IN MAMMOGRAPHY IMAGES USING CELLULAR NEURAL NETWORKS, STATISCAL FUNCTIONS VECTOR MACHINES AND SUPPORT
Autor: Sampaio, Wener Borges de 
Primeiro orientador: Silva, Aristófanes Corrêa
Primeiro coorientador: Paiva, Anselmo Cardoso
Resumo: Câncer de mama apresenta alta freqüência de ocorrência entre a população mundial e seus efeitos psicológicos alteram a percepção da sexualidade do paciente e a própria imagem pessoal. A mamografia é uma radiografia da mama que permite a descoberta precoce de câncer, sendo capaz a mostrar lesões nas fases iniciais, tipicamente lesões muito pequenas na ordem de milímetros. O processamento de imagens mamográficas tem contribuído para a descoberta e o diagnóstico de nódulos mamários, sendo uma importante ferramenta, pois reduz o grau de incerteza do diagnóstico, provendo uma fonte adicional de informação ao especialista. Este trabalho apresenta uma metodologia computacional que ajuda o especialista na descoberta de massas mamárias. O primeiro passo da metodologia visa à melhoria da imagem da mamografia que consiste em remoção de objetos externos à mama, redução de ruídos e realce das estruturas internas da mama. Então, Redes Neurais Celulares são usadas para segmentar áreas suspeitadas de conter massas. Estas regiões têm as suas formas analisadas por descritores de geometria (excentricidade, circularidade, densidade, desproporção circular e densidade circular) e as suas texturas analisadas por funções geoestatísticas (função de K de Ripley, e os índices de Moran e Geary). Máquinas de Vetores de Suporte são treinadas para classificar as regiões candidatas em um das classes, massas ou não-massa, com sensibilidade de 80,00%, especificidade de 85,68%, acurácia de 84,62%, uma taxa de 0,84 falsos positivos por imagem e 0,20 falsos negativos por imagem e uma área sob da curva ROC de 0,870.
Abstract: Breast cancer presents high occurrence frequency among the world population and its psychological effects alter the perception of the patient s sexuality and the own personal image. Mammography is an x-ray of the mamma that allows the precocious detection of cancer, since it is capable to showing lesions in their initial stages, typically very small lesions in the order of millimeters. The processing of mammographic images has been contributing to the detection and the diagnosis of mammary nodules, being an important tool, because it reduces the degree of uncertainty of the diagnosis, providing a supplementary source of information to the specialist. This work presents a computational methodology that aids the specialist in the detection of breast masses. The first step of the methodology aims at improvement the mammographic image, which consists of removal of unwanted objects, reduction of noise and enhancement of the breast internal structures. Then, Cellular Neural Networks are used to segment areas suspected of containing masses. These regions have their shapes analyzed by geometry descriptors (eccentricity, circularity, compactness, circular disproportion and circular density) and their textures are analyzed using geostatistical functions (Ripley's K function, Moran's and Geary's indices). Support Vector Machine were trained and used to classify the candidate regions in one of the classes, masses or no-mass, with sensibility of 80.00%, specificity of 85.68%, acuracy of 84.62%, a rate of 0.84 false positive for image and 0.20 false negative for image and an area under the curve ROC of 0.827.
Palavras-chave: Mamografia
Detecção Auxiliada por Computador
Redes Celulares Neurais
Índice de Moran
Coeficiente de Geary
Função K de Ripley
Máquina de Vetores de Suporte
Mammography
Computer-Aided Detection
Cellular Neural Networks
Moran s Index
Geary s Index
Ripley s K Function
Support Vector Machine
Área(s) do CNPq: CNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA
Idioma: por
País: BR
Instituição: Universidade Federal do Maranhão
Sigla da instituição: UFMA
Departamento: Engenharia
Programa: PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET
Citação: SAMPAIO, Wener Borges de. DETECTION OF MASSES IN MAMMOGRAPHY IMAGES USING CELLULAR NEURAL NETWORKS, STATISCAL FUNCTIONS VECTOR MACHINES AND SUPPORT. 2009. 120 f. Dissertação (Mestrado em Engenharia) - Universidade Federal do Maranhão, São Luis, 2009.
Tipo de acesso: Acesso Aberto
URI: http://tede2:8080/tede/handle/tede/417
Data de defesa: 31-Ago-2009
Aparece nas coleções:DISSERTAÇÃO DE MESTRADO - PROGRAMA DE PÓS GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE

Arquivos associados a este item:
Arquivo TamanhoFormato 
Werner Borges de Sampaio.pdf2,92 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.