Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2018-07-17T12:40:29Z No. of bitstreams: 2 Tese - Danielle Cristina Netto Rodrigues - 2017.pdf: 2854056 bytes, checksum: 1d47591c90483bd701be7a42cf7771f1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-07-17T13:54:11Z (GMT) No. of bitstreams: 2 Tese - Danielle Cristina Netto Rodrigues - 2017.pdf: 2854056 bytes, checksum: 1d47591c90483bd701be7a42cf7771f1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-07-17T13:54:11Z (GMT). No. of bitstreams: 2 Tese - Danielle Cristina Netto Rodrigues - 2017.pdf: 2854056 bytes, checksum: 1d47591c90483bd701be7a42cf7771f1 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-08-22 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / INTRODUCTION: In Brazil, access to mammography is performed by the Unified Health System (SUS) or by the Supplementary Health System, or by direct contracting of the individual with the health service. The SUS is the official system of government and came to meet constitutional law, which establishes that health is a right of all citizens and a duty of the State. OBJECTIVE: To evaluate the contribution of SUS to the mammographic screening of Brazil, in its macro-regions, Federal Units (UF) and Federal District (DF). METHOD: An ecological study where the information about breast cancer screening was analyzed through the mammograms performed, as well as the amount of equipment available for SUS in Brazil, in its macro regions, in the UF and DF, from 2008 to 2016 The study considered as target population, mammograms performed in women between the ages of 40 and 49 and between 50 and 69 years. Data on the production of exams were taken from the Outpatient Information System of the Department of Informatics of SUS (SIA / DATASUS), about the target population were extracted from the DATASUS Demographic and Socioeconomic Information System of Health and the Brazilian Institute of Geography and Statistics (IBGE), and on the equipment available for SUS, from the National Registry of Health Establishments (CNES). Based on this information, we evaluated the contribution of SUS to mammography screening in 2013, the temporal evolution of mammographic coverage during the period from 2008 to 2016, and the geographic evaluation of mammography access. RESULTS: The estimated mammographic coverage in the screening performed by SUS in Brazil in 2013 was 24.8%. The prevalence of mammograms ranged from 12.0% in the northern macroregion to 31.3% in the Southern Region. When stratified by UF, the lowest coverage was in Pará (7.5%) and the highest coverage was in Santa Catarina (35.7%). In Brazil, from 2008 to 2016, about 19 million mammograms were performed by the SUS in the female populationaged 50 to 69 years, costing approximately R$ 844 million. The Annual Percent Changes (APC) estimate allowed us to infer that mammographic coverage in Brazil increased in the period from 2008 to 2012 and stabilized in the following years. The Northeast macroregion was the only one that presented increased coverage throughout the studied period, while the South was the one that initially presented increase, with subsequent reduction. The North, Southeast and Midwest macro-regions showed increase, followed by a stabilization. Of the 26 UF, 31% (eight) showed a significant increase in mammographic screening coverage over the study period, 19% (five) presented APC stabilization, 46% (twelve) had an initial increase, and after that period, 92% (Eleven) stabilized and 0.8% (one) there was a reduction in coverage. Ceará presented initial stabilization, followed by an increase. The DF showed stabilization for an initial period and reduction after this period. In 2016, in Brazil, there were 4,628 mammographs. Of these, 4,492 (97%) were in use and 2,113 (47%) were available to perform tests for SUS. When considering the number of Mammograms (NM) necessary according to the indication of exams, it would be necessary for mammography screening in Brazil 2,068 devices. Regarding the production of examinations, the mammography network would be able to carry out 14,279,654 examinations and 4,073,079 were performed, equivalent to 29% of the total production capacity in the country in 2016. With regard to the maximum distance of 60km for It was verified that small areas of Brazil did not meet this indicator. CONCLUSION: The contribution of SUS to mammographic screening in Brazil is low and unequal, however, an increase has been occurring in recent years. The Brazilian population's access to mammographic screening is associated with insufficient production of mammographic network exams available for the SUS. / Introdução: No Brasil, o acesso à mamografia é realizado pelo Sistema Único de Saúde (SUS) ou pelo Sistema de Saúde Suplementar, ou ainda, mediante contratação direta do indivíduo com o serviço de saúde. O SUS é o sistema oficial do governo e veio para atender o direito constitucional, o qual estabelece que a saúde seja um direito de todos os cidadãos e um dever do Estado. Objetivo: Avaliar a contribuição do SUS no rastreamento mamográfico do Brasil, em suas macrorregiões, Unidades da Federação (UF) e Distrito Federal (DF). Método:Estudo ecológico onde foram analisadas as informações referentes ao rastreamento do câncer de mama por meio das mamografias realizadas, bem como a quantidade de equipamentos disponíveis para o SUS no Brasil, em suas macrorregiões, nas UF e DF, no período de 2008 a 2016. O estudo considerou como população alvo, mamografias realizadasem mulheres na faixa etária de 40 a 49 anos e de 50 a 69 anos. Os dados sobre a produção de exames foram retirados do Sistema de Informações Ambulatorial do Departamento de Informática do SUS (SIA/DATASUS), sobre a população alvo foram extraídos do Sistema de Informações Demográficas e Socioeconômicas de Saúde do DATASUS e do Instituto Brasileiro de Geografia e Estatística (IBGE), e sobre os equipamentos disponíveis para o SUS, do Cadastro Nacional de Estabelecimentos de Saúde (CNES). Mediante essas informações, foram avaliadas: a contribuição do SUS no rastreamento mamográfico em 2013, a evolução temporal da cobertura mamográfica ao longo do período de 2008 a 2016 e a avaliação geográfica do acesso à mamografia. Resultados:A estimativa da cobertura mamográfica no rastreamento realizado pelo SUS no Brasil, em 2013, foi de 24,8%. A cobertura mamográfica variou de 12,0% na macrorregião Norte a 31,3% na Região Sul. Ao estratificar por UF, a menor cobertura foi no Pará (7,5%) e a maior cobertura foi em Santa Catarina (35,7%). No Brasil, no período de 2008 a 2016, foram realizadas pelo SUS cerca de 19 milhões de mamografias na população feminina de 50 a 69 anos, com custo aproximado de R$ 844 milhões. A estimativa da Mudança Percentual Anual (MPA) permitiu inferir que a cobertura mamográfica no Brasil, aumentou no período de 2008 a 2012 e estabilizou nos anos seguintes. A macrorregião Nordeste foi a única que apresentou aumento da cobertura em todo o período estudado, enquanto a Sul foi a que inicialmente apresentou aumento, com posterior redução. As macrorregiões Norte, Sudeste e Centro Oeste apresentaram aumento, seguido por uma estabilização. Das 26 UF, 31% (oito) mostraram aumento significativo da cobertura do rastreamento mamográfico ao longo do período estudado, 19% (cinco) apresentaram estabilização da MPA, 46% (doze) apresentaram aumento inicial, sendo que após esse período, 92% (onze) estabilizaram e 0,8% (uma) houve redução da cobertura. Ceará apresentou estabilização inicial, seguida por um aumento. O DF apresentou estabilização por um período inicial e redução após esse período. Em 2016, no Brasil, existiam 4.628 mamógrafos. Desses, 4.492 (97%) estavam em uso e 2.113 (47%) estavam disponíveis para realizar exames para o SUS. Ao considerar o Número de Mamografias (NM) necessárias de acordo com a indicação de exames, seriam necessários, para o rastreamento mamográfico no Brasil, 2.068 equipamentos. Sobre a produção de exames, a rede de mamógrafos teria condições para realizar 14.279.654 exames e foram realizados 4.073.079, o que equivale a 29% da capacidade total de produção no país, em 2016. Com relação à distância máxima de 60 km para se ter acesso ao exame, verificou-se que pequenas áreas do Brasil não atendiam a este indicador. CONCLUSÃO: A contribuição do SUS para o rastreamento mamográfico no Brasil é baixa e desigual, entretanto, vem ocorrendo um incremento ao longo dos últimos anos. O acesso da população brasileira ao rastreamento mamográfico está associado à insuficiência na produção de exames da rede de mamógrafos disponíveis para o SUS.

O presente trabalho consiste na investigação das características da imagem mamográfica digitalizada para definir automaticamente parâmetros de processamento em um esquema de diagnóstico auxiliado por computador (CAD) para mamografia, com o objetivo de se obter o melhor desempenho possível. Além disso, com base na aplicação dos resultados dessa primeira investigação, propõe-se também uma técnica de redução dos índices de falso-positivo em esquemas CAD visando à redução do número de biópsias desnecessárias. Para a definição automática dos parâmetros de processamento nas técnicas de detecção de microcalcificações e nódulos, foram extraídas algumas características das imagens, como desvio padrão, terceiro momento e o limiar de binarização. Utilizando o método de automatização proposto, observou-se um aumento de 20% no desempenho do esquema CAD (Az da curva ROC) em relação ao método não automatizado com parâmetro fixo. Para que fosse possível o processamento da imagem mamográfica inteira pelo esquema CAD e as técnicas desenvolvidas, foi desenvolvida também uma técnica para seleção automática de regiões de interesses, que recorta partes relevantes da mama para a segmentação. O índice de falsos positivos foi tratado por técnica específica desenvolvida com base na comparação das duas incidências típicas do exame mamográfico que, juntamente com a avaliação automática da imagem no pré-processamento para detecção de microcalcificações produziu uma redução significativa de 86% daquela taxa em relação ao procedimento de parâmetro fixo. / This present work consists on the investigation of mammographic image characteristics for automatic determination of image processing parameters for a mammography computer aided diagnosis scheme (CAD) in order to get optimal performance. Additionally, using the results obtained on this first investigation, it was also developed a new technique for the reduction of false-positive rates on CAD projects, which can result on the reduction of the number of unnecessary biopsies. For the automatic definition of the image processing parameters for the techniques of detection of microcalcifications and nodules, some image characteristics had been extracted, as standard deviation, third momentum and the thresholding value. Using the proposed automatization method it was reported an increase of 20% in the CAD performance (evaluated determining the ROC curve) in comparison to the non-automatic method (fixed parameter). Besides, for CAD schemes it is necessary to process the entire mammographic image. Thus, it was also developed a technique for automatic selection of regions of interests in the mammogram, which extracts better regions from breast image for further segmentation. False-positives rates was treated by a specific technique based on the comparison of the two typical incidences of mammographic examination that together with the automatic parameter determination method for microcalcification detection produced a significant reduction of 86% of that rate in relation to the procedure that uses fixed parameter.

O presente trabalho consiste na elaboração de uma metodologia envolvendo técnicas computacionais para proporcionar informações provenientes de avaliação de qualidade de equipamentos mamográficos. A investigação conduzida levou em conta, além da necessária determinação de parâmetros operacionais - como tensão de pico (kVp), corrente de tubo, ponto focal, dose, tempo de exposição, camada semi-redutora -, a influência das características do digitalizador usado no processo de digitalização das imagens a ser avaliadas pelo esquema computacional, seja esse um sistema de aquisição digital direta ou indireta. Dessa forma, foi elaborado um protocolo de pré-processamento da imagem para compensar os efeitos do digitalizador antes da avaliação dos parâmetros de qualidade através dela. Simultaneamente ao desenvolvimento dos softwares necessários ao esquema, foi projetado e desenvolvido um simulador radiográfico para servir como instrumento para obtenção tanto das imagens a ser processadas pelo modelo computacional, como dos dados referentes aos parâmetros operacionais. O sistema foi desenvolvido tomando um mamógrafo calibrado e um instrumento de precisão como referências e testado em outros equipamentos mamográficos em operação em clínicas e hospitais. Os resultados foram consistentes com as análises comparativas utilizando as referências, o que podem fazer do sistema uma ferramenta útil na avaliação de qualidade em mamografia. / The present work consists on developing a computational methodology to provide information regarding to mammographic equipment quality evaluation. This investigation have taken into account, beyond the required operational parameters, such as kVp, electrical current, focal point, dose, exposition time, half-value layer, the influence of the film digitizer utilized for digitization process on the images to be evaluated by the computational scheme, either this a system of direct or indirect digital acquisition. Like so, it was elaborated an image pre-processing protocol to compensate the digitization effect on digital image, before the evaluation of quality control parameters through itself. Simultaneously to the development of the necessary software to the system, a radiographic phantom was developed to be used for achievement of either the images to be processed by the computational model, as operational parameters data. The system was developed taking calibrated mammographic equipment and a precise measurement instrument as references, besides, it was tested in other mammographic equipment in operation on clinics and hospitals. Results had shown consistent with the comparative analyses using those references, which can turn this system a useful tool for evaluation of mammography quality.

Neste projeto foi desenvolvido um método computacional para verificação da melhor combinação tela intensificadora - filme para exames mamográficos através do estudo de suas características sensitométricas. O software, desenvolvido em ambiente Delphi para windows, apresenta na tela do microcomputador a imagem a ser obtida para cada tipo de combinação tela intensificadora - filme, utilizando imagens de \"Phantoms\" e de mamas reais. Em razão da ampla quantidade de fatores que influenciam a imagem mamográfica final, tais como magnificação, característica dos filmes e telas intensificadoras e condições da processadora, o método proposto pode proporcionar uma ampla avaliação da qualidade dos sistemas de imagem mamográfica de uma forma simples, rápida e automática, através de procedimentos de simulação computacional. A simulação investigou a influência que um determinado sistema de registro exerce sobre a qualidade da imagem, possibilitando conhecer previamente a imagem final a ser obtida com diferentes equipamentos e sistemas de registro. Dentre os sistemas investigados, três filmes (Kodak Min R 2000, Fuji UM MA-HC e Fuji ADM) e duas telas intensificadoras (Kodak Min R 2000 e Fuji AD Mammo Fine), aquele que apresentou melhores resultados, com melhor qualidade de imagens e menor exposição à paciente foi o de tela Min R 2000 com filme Min R 2000 da Kodak. / The present research has as main objective the development of a computational method for verification of the best combination screen-film for mammographic examinations through the study of its sensitometric characteristics. The software interface was developed in Delphi for windows and display the image to be gotten for each type of combination screen-film, using images of Phantoms and real breasts. Because several factors influence the final mammographic image, such as magnification, characteristic of the films and screens and conditions of the processing, the method can provide an ample evaluation of the quality of the systems of mammographic image of a simple, fast and automatic form, through procedures of computational simulation. The simulation investigates the influence of a register system on the quality of the image, making it possible to know the final image previously to be gotten with different equipment and register systems. Three films (Kodak Min R 2000, Fuji UM MA-HC and Fuji ADM) and two screens (Kodak Min R 2000 and Fuji AD Mammo Fine) was avaliable and the screen Min R 2000 with film Min R 2000 was the best result with less exposure.

Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-07-01T12:22:19Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_Filipe_Cordeiro.pdf: 19608976 bytes, checksum: a0ff2fa1256af4323f10bfcbb3df974d (MD5) / Made available in DSpace on 2016-07-01T12:22:19Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Tese_Filipe_Cordeiro.pdf: 19608976 bytes, checksum: a0ff2fa1256af4323f10bfcbb3df974d (MD5) Previous issue date: 2015-12-16 / De acordo com a Organização Mundial de Saúde, o câncer de mama é a forma mais comum de câncer entre as mulheres no mundo todo, sendo um dos tipos de câncer mais fatal. Estudos mostram que o diagnóstico precoce pode contribuir para a redução da taxa de mortalidade e aumentar as opções de tratamento. Apesar da existência de várias técnicas de obtenção de imagens no auxílio ao diagnóstico de câncer de mama, a mamografia digital é ainda a tecnologia mais eficaz e utilizada para esse fim. Consequentemente, a segmentação de imagens de mamografia é uma tarefa fundamental para auxiliar o diagnóstico, levando em consideração a forma da lesão mamária e suas bordas. No entanto, a segmentação de imagens de mamografia é uma tarefa complexa, uma vez que ela é muito dependente dos tipos de tecido mamário e da lesão. O algoritmo GrowCut é um método de segmentação de propósito geral baseado em autômatos celulares, capaz de realizar uma segmentação precisa através da seleção adequada de pontos internos e externos à região de interesse. Neste trabalho é apresentado um novo algoritmo semi-supervisionado baseado na modificação do algoritmo GrowCut para realizar segmentação de imagens de mamografia de forma semi-automática. No método proposto é utilizada uma função de pertinência fuzzy Gaussiana para modificar a regra de evolução do algoritmo GrowCut original, visando estimar as probabilidades de um pixel pertencer ao objeto ou fundo da imagem. Esse modelo permite uma maior flexibilidade na inicialização das sementes quando comparado à trabalhos no estado da arte, pois a marcação realizada pelo especialista é utilizada extraindo-se informação do conjunto de sementes, e não informações do posicionamento individual, como o presente no GrowCut clássico. Foi também desenvolvido uma etapa de geração automática de sementes, onde apenas pontos internos da região de interesse são selecionados, através do uso do método de otimização Evolução Diferencial. Além disso, foi desenvolvido um método de ajuste de parâmetros adaptativo, que a partir da extração de características da imagem ajusta os melhores parâmetros para o algoritmo. A abordagem desenvolvida é comparada qualitativamente e quantitativamente com técnicas de segmentação do estado da arte BEMD, BMCS, WAGA, Abordagem Topográfica e MCW, usando métricas relacionadas à forma das regiões segmentadas. As análises são avaliadas utilizando regiões de interesse da base IRMA, totalizando 1.165 mamogramas. Resultados mostram que o algoritmo proposto obteve melhores resultados, considerando similaridade com imagem ouro, para as métricas utilizadas. Para validar a proposta , foi construído um classificador de imagem usando o Perceptron Multicamadas clássico. Resultados mostraram que a técnica proposta obteve taxa de classificação de 94,77%, evidenciado a viabilidade do método proposto. / According to the World Health Organization, breast cancer is the most common cancer in women worldwide, becoming one of the most fatal types of cancer. Several studies show that the early diagnosis technologies can contribute to reduce the mortality rates and improve treatment options. Despite the existence of several imaging techniques to aid at the diagnosis of breast cancer, digital mammography is still the most used and effective imaging technology. Consequently, mammographic image segmentation is a fundamental task to support image diagnosis, considering shape analysis of mammary lesions and their borders. However, mammogram image segmentation is a hard task, once it is highly dependent on the types of mammary tissues. The GrowCut algorithm is a general-purpose segmentation method based on cellular automata, able to perform accurate segmentation through the adequate selection of internal and external points of the region of interest. Herein this work we present a new semi-supervised segmentation algorithm based on the modification of the GrowCut algorithm to perform semi-automatic mammographic image segmentation. In our proposal, we used a fuzzy Gaussian membership function to modify the evolution rule of the original GrowCut algorithm, in order to estimate the probabilities of a pixel being object or background. This model allows flexibility in the seeds initialization when compared to state of the art techniques, because the annotation executed by the specialist is used through the extraction of information of set os seeds, in opposite to the individual seeds information present in classical GrowCut .An automatic seed generation step was developed, where only the seeds internal to the region of interest are selected, using the Differential Evolution algorithm. Furthermore, we developed an adaptive parameter tuning method, which from the image characteristics it find the best parameters to the algorithm. The proposed approach was qualitatively and quantitatively compared with other state-of-the-art segmentation techniques BEMD, BMCS, WAGA, Topographic Approach and MCW, using metrics related to the shape of segmented regions. The analysis are evaluated using regions of interest from IRMA database, totaling 1.165 mammograms. Results show that the proposed algorithm achieved better results, considering similarity with ground truth, for the used metrics. In order to validate our proposal we built an image classifier using a classical Multilayer Perceptron. This analysis employed 1.165 mammograms from IRMA breast cancer database Results show that the proposed technique could achieve a classification rate of 94.77%, evidencing the feasibility of our approach.

CoordenaÃÃo de AperfeiÃoamento de Pessoal de NÃvel Superior / O cÃncer de mama (CM) à um problema de saÃde pÃblica mundial. Uma em cada oito mulheres terà cÃncer de mama, tornando-se assim a neoplasia mais freqÃente entre as mulheres. O cÃncer de mama està ligado à identidade feminina no tocante a sua potÃncia orgÃstica e a sua sensualidade. Elaborar estratÃgicas cirÃrgicas confiÃveis pouco agressivas e menos multilantes tem sido busca de respostas a muitas pesquisas. Objetivo: O presente estudo visou avaliar a concordÃncia do volume tumoral entre a avaliaÃÃo anatomopatolÃgica e os mÃtodos de diagnÃstico por imagem dedicados a mama: Mamografia (MX), Ultra-som (US) e RessonÃncia magnÃtica (RMM), em mulheres com cÃncer de mama localmente avanÃado, submetidas à quimioterapia neoadjuvante. Pacientes e MÃtodos: Foram analisadas 95 mulheres portadoras de neoplasia mamÃria oriundas dos ambulatÃrios da Maternidade Escola Assis Chateaubriant (MEAC), Centro Regional e Integrado de Oncologia (CRIO) e Instituto do CÃncer do Cearà (ICC), no perÃodo de marÃo de 2003 a marÃo de 2005. Estas pacientes foram divididas em dois grupos. Grupo Tratamento (GT) com n=46 e Grupo Controle (GC) com n=49. Realizou-se anÃlise nÃo paramÃtrica correlacionando as variÃveis estudadas com o padrÃo ouro, ou seja, a anatomia patolÃgica. Os resultados mostraram concordÃncia na anÃlise volumÃtrica dos mÃtodos imaginolÃgicos e o padrÃo-ouro no GT nos seguintes percentuais: RMM: 0,70; US: 0,63 e MX: 0,42. Quando comparado ao grupo controle os valores encontrados foram RMM: 0,72; US: 0,70 e MX: 0,41. ConclusÃo: A RMM deteve os maiores valores de concordÃncia volumÃtrica em percentuais semelhantes nos dois grupos (GT e GC) e a MX, mÃtodo de imagem mais difundido, ofereceu os menores Ãndices de concordÃncia imaginolÃgica quando comparado com a avaliaÃÃo anatomopatolÃgica. A US apresentou valores de concordÃncia volumÃtrica satisfatÃria quando, comparada a RMM, devendo ressaltar que se trata de mÃtodo operador dependente. / The cancer of breast (CB) it is a problem of world public health. One in each eight women will have cancer of breast, becoming like this the most frequent neoplasia among the women. CB it is tied up the feminine identity concerning its potency of orgasm and her sensuality. To elaborate surgical strategic reliable not very aggressive and less mutilate has been search of answers to many researches. Objective: The present study was to evaluate the agreement of the volume of tumor to the evaluation anatomopathological and the diagnosis methods for image dedicated to he/she suckles her: Mammography (MX), Ultra-sound (US) and magnetic Resonance (RMM), in women with cancer of breast locally advanced, submitted to the neoadjuvante chemotherapy. Patient and Methods: 95 women carriers of mammary neoplasia originating from of the national health clinics of the Maternity Escola Assis Chateaubriant (MEAC), Center Regional and Integrated of Oncology (CRIO) and Institute of Cancer of Cearà (ICC) were analyzed at the period of 2003 March to 2005 March. These patient ones were divided in two groups. Treatment Group (TG) with n=46 and Control Group (CG) with n=49. Non parametric analysis correlating the variables was compared with the standard gold, the anatomopathological analysis. Results: The data showed agreement in it analyzes at volumÃtrica of the imaginolÃgicos methods and the pattern-gold in TG in the following percentages: RMM: 0.70; US: 0.63 and MX: 0.42, when compared to the control group, where were found values of RMM: 0.72; US: 0.70 and MX: 0.41. Conclusion: RMM stopped the largest values of agreement volumÃtrica in percentile similar in the two groups (GT and GC) and MX, spread image method, offered the smallest indexes of agreement imaginolÃgica when compared with the evaluation anatomopathological. US presented values of agreement satisfactory volumÃtrica when, compared RMM, should stand out that is method dependent operator.

Made available in DSpace on 2016-08-17T14:52:40Z (GMT). No. of bitstreams: 1 Dissertacao-OtilioPauloSilva.pdf: 2236988 bytes, checksum: e67439b623fd83b01f7bcce0020365fb (MD5) Previous issue date: 2016-03-04 / Breast cancer is now set on the world stage as the most common among women and the second biggest killer. It is known that diagnosed early, the chance of cure is quite significant, on the other hand, almost late discovery leads to death. Mammography is the most common test that allows early detection of cancer, this procedure can show injury in the early stages also contribute to the discovery and diagnosis of breast lesions. Systems computer aided, have been shown to be very important tools in aid to specialists in diagnosing injuries. This paper proposes a computational methodology to assist in the discovery of mass in dense and nondense breasts. This paper proposes a computational methodology to assist in the discovery of mass in dense and non-dense breasts. Divided into 6 stages, this methodology begins with the acquisition of the acquired breast image Digital Database for Screening Mammography (DDSM). Then the second phase is done preprocessing to eliminate and enhance the image structures. In the third phase is executed targeting with the Particle Swarm Optimization (PSO) to find regions of interest (ROIs) candidates for mass. The fourth stage is reduction of false positives, which is divided into two parts, reduction by distance and clustering graph, both with the aim of removing unwanted ROIs. In the fifth stage are extracted texture features using the functional diversity indicia (FD). Finally, in the sixth phase, the classifier uses support vector machine (SVM) to validate the proposed methodology. The best values found for non-dense breasts, resulted in sensitivity of 96.13%, specificity of 91.17%, accuracy of 93.52%, the taxe of false positives per image 0.64 and acurva free-response receiver operating characteristic (FROC) with 0.98. The best finds for dense breasts hurt with the sensitivity of 97.52%, specificity of 92.28%, accuracy of 94.82% a false positive rate of 0.38 per image and FROC curve 0.99. The best finds with all the dense and non dense breasts Showed 95.36% sensitivity, 89.00% specificity, 92.00% accuracy, 0.75 the rate of false positives per image and 0, 98 FROC curve. / O câncer de mama hoje é configurado no senário mundial como o mais comum entre as mulheres e o segundo que mais mata. Sabe-se que diagnosticado precocemente, a chance de cura é bem significativa, por outro lado, a descoberta tardia praticamente leva a morte. A mamografia é o exame mais comum que permite a descoberta precoce do câncer, esse procedimento consegue mostrar lesões nas fases iniciais, além de contribuir para a descoberta e o diagnóstico de lesões na mama. Sistemas auxiliados por computador, têm-se mostrado ferramentas importantíssimas, no auxilio a especialistas em diagnosticar lesões. Este trabalho propõe uma metodologia computacional para auxiliar na descoberta de massas em mamas densas e não densas. Dividida em 6 fases, esta metodologia se inicia com a aquisição da imagem da mama adquirida da Digital Database for Screening Mammography (DDSM). Em seguida, na segunda fase é feito o pré-processamento para eliminar e realçar as estruturas da imagem. Na terceira fase executa-se a segmentação com o Particle Swarm Optimization (PSO) para encontrar as regiões de interesse (ROIs) candidatas a massa. A quarta fase é a redução de falsos positivos, que se subdivide em duas partes, sendo a redução pela distância e o graph clustering, ambos com o objetivo de remover ROIs indesejadas. Na quinta fase são extraídas as características de textura utilizando os índices de diversidade funcional (FD). Por fim, na sexta fase, utiliza-se o classificador máquina de vetores de suporte (SVM) para validar a metodologia proposta. Os melhores valores achados para as mamas não densas, resultaram na sensibilidade de 96,13%, especificidade de 91,17%, acurácia de 93,52%, a taxe de falsos positivos por imagem de 0,64 e a acurva Free-response Receiver Operating Characteristic (FROC) com 0,98. Os melhores achados para as mamas densas firam com a sensibilidade de 97,52%, especificidade de 92,28%, acurácia de 94,82%, uma taxa de falsos positivos por imagem de 0,38 e a curva FROC de 0,99. Os melhores achados com todas as mamas densas e não densas, apresentaram 95,36% de sensibilidade, 89,00% de especificidade, 92,00% de acurácia, 0,75 a taxa de falsos positivos por imagem e 0,98 a curva FROC.

Made available in DSpace on 2016-08-17T14:53:15Z (GMT). No. of bitstreams: 1 Daniel Rodrigues Ericeira.pdf: 2002346 bytes, checksum: df76ac081a5d0e5816a81b5699935561 (MD5) Previous issue date: 2011-03-17 / Mammography is the exam of the breast, used as breast cancer prevention and also as a diagnostic method. This exam, which consists in an X-Ray of the breast, allows cancer detection. The purpose of this work is to use image processing techniques and computer vision to help specialists in detecting suspect regions and masses in digital mammographies. The first stage of the methodology consists in pre-processing the images to make them more suitable to registration, through noise reduction, image segmentation and re-scale. The next stage presents bilateral left and right breast image pairs registration. In order to correct position and compression differences that occur during the exams, rigid registration (followed by optic flow deformable registration) was applied in each image pair. Corresponding pairs of regions were related and their mutual variations were measured through cross-variogram spatial description. On the next stage, a training model for a Support Vector Machine (SVM) was created using as characteristics the cross-variogram values of each pair of regions of 180 cases. This SVM was tested for 100 new cases. The region pairs that contained lesions were classified as suspect regions , and the other regions as non-suspect regions . From the suspect regions, variogram characteristics were extracted as tissue texture descriptors. The regions that contained masses were classified as mass regions and the other regions as non-mass regions . Stepwise linear discriminant analysis was applied to select the most significant characteristics to train the second SVM. Tests with 30 new cases were performed for the trained SVM final classification in mass or non-mass . The best case presented on the final classification: 96% accuracy, 100% sensitivity and 95,34% specificity. The worst case presented: 70% accuracy, 100% sensitivity and 67,56% specificity. On average, the 30 cases presented: 90% accuracy, 100% sensitivity and 85% specificity. / A mamografia é um exame de mama, utilizado de forma preventiva ao câncer de mama e também como método diagnóstico. Este exame, que consiste em uma radiografia das mamas, permite a detecção do câncer. O objetivo deste trabalho é utilizar técnicas de processamento de imagens e visão computacional para auxiliar especialistas na detecção de regiões suspeitas e detecção de massas mamárias em mamografias digitais. A primeira etapa da metodologia consiste em pré-processar as imagens de forma a torná-las mais apropriadas ao registro, através de redução de ruído, segmentação e re-dimensionamento. A etapa seguinte apresenta o registro bilateral de pares de mamas esquerda e direita. Para corrigir as diferenças de posicionamento e compressão ocorridas no momento do exame, o método de registro rígido foi aplicado (seguido do método de registro deformável com fluxo óptico) para cada par de imagens. Pares de regiões correspondentes foram relacionados e suas variações foram medidas através do descritor espacial variograma cruzado. Na etapa seguinte, foi criado um modelo para treinamento de uma Máquina de Vetores de Suporte (MVS) utilizando como características os valores de variograma cruzado de cada par de janelas de 180 casos. Esta MVS foi testada em 100 novos casos. Os pares que continham lesões foram classificados como regiões suspeitas ; as demais, como regiões não-suspeitas . Destas regiões suspeitas, foram extraídas características de variograma como descritores de textura de tecido. As regiões que continham massas foram classificadas como regiões de massa e as demais como regiões de não-massa . Análise linear discriminante stepwise foi aplicada para selecionar as características mais significativas para treinamento de uma segunda MVS. Foram realizados testes com 30 novos casos para a classificação final pela MVS treinada em massa e nãomassa . O melhor resultado apresentou na classificação final: 96% de acurácia, 100% de sensibilidade e 95,34% de especificidade. O pior caso apresentou: 70% de acurácia, 100% de sensibilidade e 67,56% de especificidade. Em média, os 30 casos apresentaram: 90% de acurácia, 100% de sensibilidade e 85% de especificidade.

Made available in DSpace on 2016-08-17T14:53:21Z (GMT). No. of bitstreams: 1 Peterson.pdf: 1362910 bytes, checksum: 963fec328036941a0790b198cc0d6187 (MD5) Previous issue date: 2012-04-20 / FUNDAÇÃO DE AMPARO À PESQUISA E AO DESENVOLVIMENTO CIENTIFICO E TECNOLÓGICO DO MARANHÃO / Breast cancer is the second most common in the world and which more affects women. In recent years, several Computer Aided Detection/Diagnosis Systems has been developed in order to assist health specialists in the detection and diagnosis of cancer, serving as a second opinion. The aim of this paper is to present a methodology for discrimination and classification of regions extracted from mammograms in mass and non-mass. In this study, Digital Database for Screening Mammography (DDSM) is used. To describe the texture of the region of interest is applied McIntosh Diversity Index, commonly used in ecology. The calculation of this index is proposed in four approaches: through the Histogram, through the Gray Level Co-occurrence Matrix, through the Gray Level Run Length Matrix and through the Gray Level Gap Length Matrix. For the classification of regions in mass and non-mass, is used the supervised classificator Support Vector Machine (SVM). The methodology shows promising results for the classification of masses and non-masses, reaching an accuracy of 93,68%. / O câncer de mama é o segundo tipo de câncer mais frequente no mundo e o que mais acomete as mulheres. Nos últimos anos, vários Sistemas de Detecção e Diagnóstico auxiliados por Computador (Computer Aided Detection/Diagnosis) têm sido desenvolvidos no intuito de auxiliar especialistas da área da saúde na detecção e diagnóstico de câncer, servindo como uma segunda opnião. O objetivo deste trabalho é apresentar uma metodologia de discriminação e classificação de regiões extraídas de mamografias em massa e não massa. Neste estudo, o Digital Database for Screening Mammography (DDSM) é usado. Para descrever a textura da região de interesse é aplicado o Índice de Diversidade de McIntosh, comumente usado em ecologia. O cálculo deste índice é proposto em quatro abordagens: através do Histograma, da Matriz de Co-ocorrência de Níveis de Cinza, da Matriz de Comprimentos de Corrida de Cinza e da Matriz de Comprimentos de Lacuna de Cinza. Para classificação das regiões em massa e não massa, é utilizado o classificador supervisionado Support Vector Machine (SVM). A metodologia apresenta resultados promissores para a classificação de massas e não massas, alcançando uma acurácia de 93,68%.

Made available in DSpace on 2016-08-17T14:53:22Z (GMT). No. of bitstreams: 1 dissertacao Luis Claudio.pdf: 2055680 bytes, checksum: 4e51c93fd4aa6edfad51ab54ad4044f6 (MD5) Previous issue date: 2012-07-24 / This thesis proposes the modeling and implementation of a telediagnostic system for analysis and detection of lesions in mammographic images based on independent component analysis and support vector machine. The system analyzes images from digital mammography sent over the Internet and provides a diagnostic, indicating the presence of suspicious regions, which can be confirmed by a specialist in mammographic images. Besides presenting the methodology for the development of the proposed system, a prototype was developed for testing and to measure its efficiency. The database used for training and testing of the algorithms is the mini-MIAS, and was employed independent component analysis to extract the filters used in segmenting the regions of interest, as well support vector machine to classify regions of interest in normal or suspicious. From tests with the database used, we obtained an average accuracy of 87.8% for images containing lesions. / Este trabalho propõe a modelagem e implementação de um sistema de telediagnóstico para análise e detecção automática de lesões em imagens mamográficas, baseado em análise de componentes independentes e máquina de vetor de suporte. O sistema analisa imagens de mamografia digital enviadas pela Internet e fornece um diagnóstico da imagem, indicando a presença de regiões suspeitas, que podem ser confirmadas por um especialista em imagens mamográficas. Além de apresentar a metodologia para o desenvolvimento do sistema proposto, foi desenvolvido um protótipo para a realização de testes objetivando medir sua eficiência. A base de dados usada para treinamento e teste dos algoritmos foi a mini-MIAS, e foi empregada análise de componentes independentes para extrair os filtros usados na segmentação das regiões de interesse, bem como máquina de vetor de suporte para classificar as regiões de interesse em normais ou suspeitas. A partir de testes realizados com a base de dados utilizada, obteve-se média de acerto de 87,8% para imagens que contém lesões.