Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-08-21T14:59:23Z
No. of bitstreams: 1
Andre Pereira.pdf: 3105574 bytes, checksum: 06e2fe68d48179a3c62a46e447b82513 (MD5) / Made available in DSpace on 2017-08-21T14:59:23Z (GMT). No. of bitstreams: 1
Andre Pereira.pdf: 3105574 bytes, checksum: 06e2fe68d48179a3c62a46e447b82513 (MD5)
Previous issue date: 2009-02-20 / Breast cancer is one of the major causes of mortality among women throughout
the world. Presently, the analysis of breast radiography is the most used
method to early detection of this kind of cancer. It enables the identification of
anomalies at their initial stage, which is a fundamental factor for success in the
treatment. The sensitivity of this kind of exam, although, depends on several
factors, such as the size and the location of the abnormalities, density of the
breast tissue, quality of the technical resources and radiologist's ability. This
work presents a methodology that uses the K-Means clustering algorithm and
the Template Matching technique for segmentation of suspicious regions. Next,
geometry and texture features are extracted from each of these regions, being
the texture described by the Simpson's Diversity Index, a statistic used in
Ecology to measure the biodiversity of an ecosystem. Finally, this information is
submitted to a Support Vector Machine so that the suspicious regions are
classified into masses and non-masses. The methodology was tested with 650
mammographic images from the DDSM database, achieving 83.94% of
accuracy, 83.24% of sensibility and 84.14% of specificity in average. / O câncer de mama é uma das maiores causas de mortalidade entre as
mulheres no mundo todo. Atualmente, a análise da radiografia da mama é o
recurso mais utilizado na detecção precoce desse tipo de câncer, pois
possibilita a identificação de anomalias em sua fase inicial, fator fundamental
para o sucesso do tratamento. A sensibilidade desse tipo de exame, no
entanto, depende de diversos fatores, tais como tamanho e localização das
anomalias, densidade do tecido mamário, qualidade dos recursos técnicos e
habilidade do radiologista. Este trabalho apresenta uma metodologia para
detecção de massas em imagens digitais de mamografias que poderá auxiliar o
especialista em sua análise. O método proposto utiliza o algoritmo de
agrupamento K-Means e a técnica de Template Matching para segmentar as
regiões suspeitas de conterem massas. Em seguida, medidas de geometria e
textura são extraídas de cada uma dessas regiões, sendo a textura descrita
através do Índice de Diversidade de Simpson, uma estatística usada na
Ecologia para mensurar a biodiversidade de um ecossistema. Finalmente,
essas informações são submetidas a uma Máquina de Vetores de Suporte para
que as regiões suspeitas sejam classificadas em massas ou não massas. A
metodologia foi testada com 650 imagens mamográficas obtidas da base de
dados DDSM, atingindo 83,94% de acurácia, 83,24% de sensibilidade, e
84,14% de especificidade em média.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1845 |
| Date | 20 February 2009 |
| Creators | NUNES, André Pereira |
| Contributors | SILVA, Aristófanes Corrêa Silva, 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 0.002 seconds