Made available in DSpace on 2016-08-16T18:18:41Z (GMT). No. of bitstreams: 1
TESE Lucio Flavio de Albuquerque Campos.pdf: 2195360 bytes, checksum: 81d7dbefdd6a7602831593716a16b445 (MD5)
Previous issue date: 2013-06-14 / Breast Cancer remains the type of cancer with the largest incidence and mortality in women. The best method of prevention is early diagnosis, which is carried out with mammography. However, a mammogram is not effective when the breast has a composition of greater than 50% fibroglandular tissue, or dense tissue. Studies show that high breast density is identified as a risk factor for developing the disease, and because of this new diagnostic technique for cancer in patients with dense breasts are being studied. This thesis proposes a method for early diagnosis of cancer in dense breasts, considered in the literature as hard scanning and detection. The methodology applied in this work used MIAS database for tests, equalization adaptive of histogram and contrast stretching techniques for segmentation step, and independent component analysis maxima-relevance-minimal-redundance and support vector machine for classification step. The tests were carried out with 76 breast mammograms whose dense parenchyma s make detection difficult. From the tests, we obtained accuracy of 97.36% in the segmentation stage. Already in the classification stage was an accuracy of 97.2% with a sensitivity of 81.88% and specificity of 100%. Based on the results, considering that the method was performed only on mammograms difficult to detect, it can be considered that the method achieved excellent performance, justifying the test in larger databases, and eventually enabling their use in hospitals and radiology clinics. / O câncer de mama continua sendo o tipo de câncer de maior incidência e mortalidade entre as mulheres. O melhor método de prevenção é o diagnóstico precoce, que é realizado com o auxilio da mamografia. Contudo, a mamografia não é eficaz quando a mama apresenta uma composição superior a 50 % de tecido fibroglandular, ou seja, de tecido denso. Estudos comprovam que a densidade mamária elevada é apontada como um fator de risco para o desenvolvimento da doença, e devido a isso novas técnicas de diagnóstico de câncer em pacientes com mamas densas estão sendo estudados. Esta tese propõe um método de diagnóstico precoce de câncer, em mamas densas, consideradas pela literatura de difícil rastreio e detecção, com o objetivo de aumentar as chances de cura da paciente, e diminuir os casos de mortalidade da doença. A metodologia empregada no trabalho utilizou a base de dados MIAS para teste, técnicas de equalização adaptativa e alargamento de contraste, na fase de segmentação, e análise de componentes independentes, máxima relevância - mínima redundância e máquinas de vetor de suporte, na etapa de classificação. Os testes foram realizados com 76 mamogramas de mamas em que o parênquima denso dificulta a detecção. A partir dos testes realizados, obteve-se média de acerto de 97.36 % na etapa de segmentação. Já na etapa de classificação foi encontrada uma média de acerto de 97,2% com sensibilidade de 81.88% e especificidade de 100%. Baseado nos resultados encontrados, considerando que o método foi realizado apenas em mamogramas de difícil detecção, pode-se considerar que o método obteve excelente desempenho, justificando o teste em bases de dados maiores, e futuramente viabilizando seu uso em hospitais e clinicas de radiologia.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/65 |
| Date | 14 June 2013 |
| Creators | Campos, Lúcio Flávio de Albuquerque |
| Contributors | BARROS FILHO, Allan Kardec Duailibe, Nascimento, Maria do Desterro Soares Brandão, Santana, Ewaldo Eder Carvalho |
| Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM BIOTECNOLOGIA - RENORBIO/CCBS, UFMA, BR, Fertilização |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| 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 0.0023 seconds