Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-08-17T17:18:53Z No. of bitstreams: 1 GeraldoBraz.pdf: 4561857 bytes, checksum: de79b8d705a7a3132f4a83979788cf8b (MD5) / Made available in DSpace on 2017-08-17T17:18:53Z (GMT). No. of bitstreams: 1 GeraldoBraz.pdf: 4561857 bytes, checksum: de79b8d705a7a3132f4a83979788cf8b (MD5) Previous issue date: 2014-03-10 / Breast cancer is configured as a global health problem that affects mainly the female population. It is known that early detection increases the chances of an effective treatment and improves the prognosis of the disease. With this goal, computacional tools have been proposed in order to assist the physician in the interpretation of mammography features providing detection and diagnosis of lesions. The challenge is to detect any lesios with high sensitivity rate while maintaining a small number of false positives. The main objective of this research is the development of an efficient methodology for mass detection in digitized mammograms. The detection task involves aspects of computer vision like find suspicious areas and describe them in a discriminatory way. This research evaluates the approaches of feature extraction using diversity analysis, geostatistics and concave geometry for the classification of previously identified suspicious regions using Support Vector Machine as a classifier techinique. The results are promising and reaches a high sensitivity rate jointly with a low mean rate of false positives per image when using concave geometry as features extraction approach. / O câncer de mama se configura como um problema de saúde mundial, que afeta principalmente a população feminina. É conhecido que a detecção precoce aumenta as chances de um tratamento efetivo, melhorando o prognóstico da doença. Com este objetivo, ferramentas computacionais têm sido propostas com a finalidade de auxiliar o especialista na interpretação do exame de mamografia, provendo funcionalidades de detecção e diagnóstico de lesões. Todavia, continua sendo um grande desafio detectar a lesão com alta taxa de sensibilidade, e garantir ao mesmo tempo que um número reduzido de falso positivos sejam gerados. Para tanto, metodologias que abordam extração de características textuais, probabilísticas ou baseada em modelo têm sido propostas para este fim. A pesquisa que remete este trabalho tem como objetivo principal a proposição de uma metodologia eficiente de detecção de regiões de massas em mamografias digitalizadas. A tarefa de detecção envolve aspectos de visão computacional relacionados a necessidade de encontrar regiões suspeitas e descrevê-las de maneira discriminatória. Esta pesquisa avalia a extração de características usando as abordagens de análise de diversidade, geoestatística e geométrica para a classificação das regiões suspeitas detectadas usando a Máquina de Vetores de Suporte como classificador. Os resultados encontrados são promissores ao obterem alta sensibilidade e baixa taxa média de falso positivos quando usando geometria côncava para extrair características.