Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-18T14:02:37Z
No. of bitstreams: 1
cleriston.pdf: 1605933 bytes, checksum: c1faa5f854c1a9debfbaa1affc5ab4ad (MD5) / Made available in DSpace on 2017-08-18T14:02:37Z (GMT). No. of bitstreams: 1
cleriston.pdf: 1605933 bytes, checksum: c1faa5f854c1a9debfbaa1affc5ab4ad (MD5)
Previous issue date: 2009-02-12 / The diagnosis of lung nodules has been constantly looked for by researchers as
a way to minimize the high global mortality indices related to lung cancer. The
usage of medical images, such as Computerized Tomography, has made
possible the deepening and the improvement of techniques used to evaluate
exams and provide diagnosis. This work presents a methodology for diagnosing
single lung nodules that can be an aid for studies performed on similar areas
and for specialists. This methodology was applied to two different image
databases. The representation of the nodules was done with extraction of
geometry and texture features, being the last one described through Simpson’s
Index, a statistic used in Spatial Analysis and in Ecology. These features were
submitted to the Support Vector Machine classifier (SVM) in two approaches:
the traditional approach and the approach by using One Class. With the
traditional SVM approach, we have obtained sensibility rates of 90%, specificity
of 96.67% and accuracy of 95%. Using One Class SVM, the obtained rates
were: sensibility of 89.7%, specificity of 89.7% and accuracy of 89.7%. / O diagnóstico de nódulos pulmonares tem sido buscado constantemente por
pesquisadores como forma de amenizar os altos índices de mortalidade
mundial relacionado ao câncer de pulmão. O uso de imagens médicas, como a
Tomografia Computadorizada, tem possibilitado um aprofundamento e
melhoramento de técnicas para avaliar exames e prover diagnósticos. Este
trabalho apresenta uma metodologia para diagnóstico de nódulos pulmonares
solitários que possa servir como um auxílio para estudos realizados em áreas
afins e para especialistas. Esta metodologia foi aplicada a duas diferentes
bases de dados de imagens. A representação dos nódulos foi feita com a
extração de medidas de geometria e de textura sendo esta última descrita
através do Índice de Simpson, uma estatística utilizada na Análise Espacial e
na Ecologia. Essas medidas foram submetidas ao classificador Máquina de
Vetores de Suporte - MVS em duas abordagens: a abordagem tradicional e
abordagem usando uma classe. Com abordagem MVS tradicional, obtiveramse taxas de sensibilidade de 90%, especificidade de 96,67% e acurácia de
95%. Usando MVS de uma classe, as taxas obtidas foram: sensibilidade igual a
89,7%, especificidade igual a 89,7% e acurácia igual a 89,7%.
Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1841 |
Date | 12 February 2009 |
Creators | SILVA, Cleriston Araújo da |
Contributors | SILVA, Aristófanes Corrêa, PAIVA, Anselmo Cardoso de |
Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE ELETRICIDADE/CCET, UFMA, Brasil, DEPARTAMENTO DE ENGENHARIA DA ELETRICIDADE/CCET |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFMA, instname:Universidade Federal do Maranhão, instacron:UFMA |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0193 seconds