Made available in DSpace on 2016-08-17T14:53:04Z (GMT). No. of bitstreams: 1 Werner Borges de Sampaio.pdf: 2991418 bytes, checksum: 1c3fd03c2e6ffea37ed00740d75d2ffd (MD5) Previous issue date: 2009-08-31 / 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. / 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.

Submitted by Marta Toyoda (1144061@mackenzie.br) on 2018-02-07T20:34:11Z No. of bitstreams: 2 ALEXANDRE ALBERTO POLITI.pdf: 6517536 bytes, checksum: fb9ba1ab203e8cab6c749798155d3bea (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Paola Damato (repositorio@mackenzie.br) on 2018-04-28T15:26:15Z (GMT) No. of bitstreams: 2 ALEXANDRE ALBERTO POLITI.pdf: 6517536 bytes, checksum: fb9ba1ab203e8cab6c749798155d3bea (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-04-28T15:26:15Z (GMT). No. of bitstreams: 2 ALEXANDRE ALBERTO POLITI.pdf: 6517536 bytes, checksum: fb9ba1ab203e8cab6c749798155d3bea (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2017-03-29 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / This dissertation makes use of Biogeography and Biogeographic Computation concepts for the proposal of an adaptive radiation model on adaptive surfaces. The proposed model is based on a computational definition of biological isolation to detect the emergence of a new species and, thus, to promote emergent processes of sympatric speciation and extinction of species from a single ancestral species. Ecosystem patterns were investigated in static and time-varying habitats based on the model. Adaptive surfaces represent ecological habitats and opportunities and, therefore, the temporal variation of habitats is linked to the variation of the surface. In this context we have investigated how adaptive radiation patterns emerge and are favorable to the continued adaptation of species, even in cases where severe environmental changes occur. Adaptive surfaces may also be linked to optimization problems, so the results allow a discussion of how ecosystem patterns can be conducive to optimization in dynamic environments where decision surfaces vary in time. / Essa dissertação faz uso de conceitos da Biogeografia e Computação Biogeográfica para a proposta de um modelo de radiação adaptativa em superfícies de adaptação. O modelo pro-posto valeu-se de uma definição computacional de isolamento biológico para detecção do surgimento de uma nova espécie e, dessa forma, promover processos emergentes de especiação simpátrica e extinção de espécies a partir de uma única espécie ancestral. Por meio do modelo foram investigados padrões de ecossistemas em habitats estáticos e variantes no tempo. Superfícies de adaptação representam habitats e oportunidades ecológicas e, portanto, a variação temporal de habitats está vinculada à variação da superfície. Neste contexto foram investigados como padrões de radiação adaptativa emergem e são favoráveis à adaptação continuada de espécies, mesmo em casos em que ocorrem mudanças ambientais severas. Superfícies de adaptação também podem estar vinculadas a problemas de otimização, sendo assim os resultados permitem uma discussão de como padrões de ecossistemas podem ser favoráveis à otimização em ambientes dinâmicos onde superfícies de decisão são variantes no tempo.