Spelling suggestions: "subject:"fndices dde similaridade"" "subject:"fndices dee similaridade""
1 |
Detecção de regiões de massa por análise bilateral adaptada à densidade da mama utilizando índices de similaridade e redes neurais convolucionais / Detection of Mass Regions by Bilateral Analysis Adapted to Breast Density using Similarity and Convolutional Neural NetworksDiniz , João Otávio Bandeira 03 February 2017 (has links)
Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-05-30T21:09:57Z
No. of bitstreams: 1
JoaoDiniz.pdf: 2606559 bytes, checksum: 262a9c98db11667d3a482c378ab78b50 (MD5) / Made available in DSpace on 2017-05-30T21:09:57Z (GMT). No. of bitstreams: 1
JoaoDiniz.pdf: 2606559 bytes, checksum: 262a9c98db11667d3a482c378ab78b50 (MD5)
Previous issue date: 2017-02-03 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Breast cancer is the type of cancer that most affects women and is one of the leading
causes of death worldwide. Aiming to aid the detection and diagnosis of this pathology,
several techniques in the image area are being created serving as a second opinion. It is
known that mammograms of the left and right breast present a high degree of symmetry,
and when there is a sudden difference between the pairs, it can be considered suspicious.
It is also emphasized that the breast can present different density of the tissue and this
can be a factor that makes difficult the detection and diagnosis of the lesions. Thus,
the objective of this work is to develop an automatic methodology for the detection of
mass regions in pairs of digitized mammograms adapted to breast density, using image
processing and species comparison techniques to determine asymmetric regions in the
breasts together with neural convolutional networks for Classification of breast density
and regions in masses and not masses. The proposed methodology is divided into two
phases: training phase and test phase. In the training phase will be created three models
using convolutional neural networks, the first able to classify the breast as density and
the last two to classify regions of mass and non-mass in dense and non-dense breasts.The
steps are in aligning the breasts so that it is possible to make a comparison between
the pairs. When comparing, asymmetric regions will be segmented, these regions will
undergo a process of reduction of false positives in order to eliminate regions that are
not masses. Before classifying the remaining regions, the breasts undergo the process of
density classification by the model obtained in the training phase. Finally, for each type
of breast, a model will classify the regions segmented into masses and not masses. The
methodology presented excellent results, in the non-dense breasts reaching sensitivity of
91.56 %, specificity of 90.73 %, accuracy of 91.04 % and rate of 0.058 false positives per
image. Dense breasts showed 90.36 % sensitivity, 96.35 % specificity, 94.84 % accuracy
and 0.027 false positives per image. The results show that the methodology is promising
and can be used to compose a CAD system, serving as a second option for the expert in
the task of detecting mass regions. / O cãncer de mama é o tipo de câncer que mais acomete as mulheres e uma das principais
causas de morte em todo o mundo. Visando auxiliar a detecção e diagnóstico desta
patologia, diversas técnicas na érea de imagem estão sendo criadas servindo como um
auxílio ao especialista. Sabe-se que mamografias esquerda e direita apresentam alto grau
simetria, e quanto há uma diferença brusca entre os pares, pode-se considerar algo de
suspeito. Ressalta-se também que a mama pode apresentar densidade diferente do tecido e
isso pode ser um fator que dificulte na detecção e diagnóstico das lesões. Assim, o objetivo
deste trabalho é desenvolver uma metodologia automática de detecção de regiões de
massa em pares de mamografias digitalizadas adaptada à densidade da mama, utilizando
técnicas de processamento de imagens e comparação de espécies para determinar regiões
assimétricas nas mamas juntamente com redes neurais convolucionais para classificação
de densidade da mama e de regiões em massas e não massas. A metodologia proposta é
dividida em duas fases: fase de treinamento e fase de teste. Na fase de treinamento serão
criados três modelos utilizando redes neurais convolucionais, o primeiro capaz de classificar
a mama quanto a densidade e os dois últimos classificam regiões de massa e não massa
em mamas densas e não densas. Na fase de teste, imagens de mamografia da base DDSM
passarão por várias etapas a fim de segmentar regiões assimétricas que serão posteriormente
classificadas. As etapas resumem-se em alinhar as mamas para que seja possível fazer uma
comparação entre os pares. Ao comparar, serão segmentadas regiões assimétricas, essas
regiões passarão por processo de redução de falsos positivos a fim de eliminar regiões que
não são massas. Antes de classificar as regiões restantes, as mamas passam pelo processo
de classificação de densidade pelo modelo obtido na fase de treinamento. Por fim, para
cada tipo de mama, um modelo irá classificar as regiões segmentadas em massas e não
massas. O método proposto apresentou resultados promissores, nas mamas não densas
atingiu sensibilidade de 91,56%, especificidade de 90,73%, 91,04% de acurácia e taxa de
0,058 falsos positivos por imagem. As mamas densas, apresentaram resultados de 90,36%
de sensibilidade, 96,35% de especificidade, 94,84% de acurácia e 0,027 falsos positivos por
imagem. Os resultados mostram que a metodologia é promissora e pode ser utilizada para
compor um sistema CAD na tarefa de detectar regiões de massas.
|
2 |
A diversidade beta de comunidades de macroinvertebrados é menor em córregos degradados? Uma avaliação experimentalLibório, Rogério Aparecido 04 March 2011 (has links)
Made available in DSpace on 2016-06-02T19:31:54Z (GMT). No. of bitstreams: 1
3596.pdf: 1182246 bytes, checksum: 313badd826fcb755887e3f7becfbf99f (MD5)
Previous issue date: 2011-03-04 / Universidade Federal de Minas Gerais / Aiming to answer the question: preserved streams can sustain higher beta diversity than degraded streams? We estimated beta diversity of preserved and degraded streams during the rainy season of 2009 in pool and riffle areas using as substrate bags of leaf litter of tree species Talauma ovata. We analyzed the similarity in taxonomic composition of different mesohabitats using different indices of similarity (Sørensen, Morisita-Horn and Horn) and their corresponding estimators of diversity. Our study showed higher values of beta diversity in streams degraded when estimated by the similarity indices of Sørensen and Morisita-Horn. On the other hand the Horn index indicated no differences between the streams. This greater differentiation in faunistic composition between the different streams in degraded mesohabitats seems to be related to degradation of the riparian zone which favored the largest effect of hydrological disturbance due to increased volume of water especially in areas of pool resulting in elimination of taxa and increase local the dominance of more tolerant taxa, affecting beta diversity. This study paves the way for new understandings of the effects of degradation of riparian zones in streams, because the comparison between habitats within a given stream may provide a basis to assess their state of degradation, making possible new approaches to biomonitoring. / Com o objetivo de responder a pergunta: Córregos preservados podem sustentar uma maior diversidade beta que córregos degradados? Estimamos a diversidade beta de córregos preservados e degradados durante a estação chuvosa de 2009 em áreas de remanso e corredeira utilizando como substrato sacos de detritos foliares da espécie arbórea Talauma ovata. Analisamos a similaridade na composição taxonômica dos diferentes mesohabitats utilizando diferentes índices de similaridade (Sørensen, Morisita-Horn e Horn) e seus estimadores de diversidade correspondentes. Nosso estudo mostrou maiores valores de diversidade beta nos córregos degradados quando estimado pelos índices de similaridade de Sørensen e Morisita-Horn. Já o índice de Horn não indicou diferenças entre os córregos. Esta maior diferenciação na composição faunística entre os diferentes mesohabitats nos córregos degradados parece estar relacionada à degradação da zona ripária que favoreceu o maior efeito das perturbações hidrológicas devido ao maior volume de água especialmente nas áreas de remanso, resultando em eliminação local de táxons e aumento na dominância de táxons mais tolerantes, afetando a diversidade beta. Este estudo abre caminho para novas perspectivas de compreensão dos efeitos da degradação das zonas ripárias em córregos, pois a comparação entre habitats dentro de um dado córrego pode fornecer subsídios para avaliar seu estado de degradação, possibilitando novas abordagens de biomonitoramento.
|
3 |
ANÁLISE TEMPORAL DE NÓDULOS E MASSAS PULMONARES UTILIZANDO ÍNDICES DE SIMILARIDADE / TEMPORAL ANALYSIS OF NODULES AND MASSES PULMONARY USING SIMILARITY INDEXDiniz, Pedro Henrique Bandeira 03 January 2014 (has links)
Made available in DSpace on 2016-08-17T14:53:26Z (GMT). No. of bitstreams: 1
dissertacao Pedro Henique.pdf: 3622658 bytes, checksum: 95066b31ffa29d90dfade445121817be (MD5)
Previous issue date: 2014-01-03 / With the advent of imaging methods, the pulmonary nodule is becoming the most common manifestation of lung cancer and one of the most lethal of all cancers. Geometry (shape) and texture (tissue) measurements analyzed over time can be used to search the nodule malignancy. Among geometric measures commonly used, the nodule growth rate is one of the most accurate noninvasive methods to evaluate malignancy. Followed by other texture measures achieved over time, it is possible to get valuable information about nodules behavior, so that the doctor can use them to take related decisions. For these reasons, it is important to compare the nodule in exams applied at different moments. A key step for the comparison is to verify the correspondence between nodules of different exams. This correspondence is used to determine if a nodule X in the exam A is the same nodule Y in an exam B. Due to a number of anatomical and physiological factors and image acquisition, the same nodule cannot be in exactly the same location on different exams. To correct this problem, rigid and deformable image registration show up to be efficient. Once established this correspondence, it is possible to analyze the nodule texture changes through similarity indexes. In this sense, the aim of this work is to present methods for quantitative analysis of texture changes in lung nodules. For this analysis, it is used CT scans obtained at different moments from the same patient. Furthermore, it is presented a method to verify nodules found in different exams correspond to the same nodule by applying image registration. / Com o advento dos métodos de imagem, o nódulo pulmonar vem se tornando a manifestação mais comum de câncer de pulmão e um dos mais letais de todos os cânceres. Uma forma de pesquisar a malignidade de um nódulo é analisar temporalmente suas medidas de geometria (forma) e textura (tecido). Entre medidas geométricas comumente utilizadas, a taxa de crescimento do nódulo constitui um dos métodos mais precisos não invasivos de aferição da malignidade. Acompanhada a outras medidas de textura obtidas no decorrer do tempo, obtém-se informações valiosas sobre o seu comportamento, de forma que o médico pode usar essas medidas na tomada de decisões. Sabendo disso, é importante a comparação do nódulo em exames extraídos em momentos diferentes. Uma etapa fundamental para essa comparação é verificar a correspondência entre nódulos em exames diferentes, de forma que seja possível determinar se um nódulo X em um exame A é o mesmo nódulo Y em um exame B. Devido a uma série de fatores anátomo-fisiológicos e de aquisição de imagens, um mesmo nódulo pode não estar exatamente na mesma localização em exames diferentes. Para corrigir esse problema, registros de imagem rígidos e deformáveis mostram-se eficientes. Uma vez estabelecida essa correspondência, é possível analisar as mudanças na textura do nódulo através de índices de similaridade. Nesse sentido, o objetivo desse trabalho é apresentar métodos para a análise quantitativa de mudanças de textura em nódulos. Para essa análise serão utilizadas imagens de tomografia computadorizada obtidas em momentos diferentes de um mesmo paciente. Além disso, será apresentado um método para verificar se nódulos encontrados em exames diferentes correspondem ao mesmo nódulo através da aplicação de registros de imagens.
|
Page generated in 0.0919 seconds