Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-08-17T17:25:58Z
No. of bitstreams: 1
FernandoOliveira.pdf: 2347086 bytes, checksum: 0b2d54b7d13b7467bee9db13f63100f5 (MD5) / Made available in DSpace on 2017-08-17T17:25:58Z (GMT). No. of bitstreams: 1
FernandoOliveira.pdf: 2347086 bytes, checksum: 0b2d54b7d13b7467bee9db13f63100f5 (MD5)
Previous issue date: 2013-02-20 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) / Breast cancer is the second most common type of cancer in the world and difficult to
diagnose. Distinguished Systems Aided Detection and Diagnosis Computer have been used to
assist experts in the health field with an indication of suspicious areas of difficult perception
to the human eye, thus aiding in the detection and diagnosis of cancer. This dissertation
proposes a methodology for discrimination and classification of regions extracted from the
breast mass and non-mass. The Digital Database for Screening Mammography (DDSM) is
used in this work for the acquisition of mammograms, which are extracted from the regions of
mass and non-mass. The Taxonomic Diversity Index (∆) and the Taxonomic Distinctness (∆*)
are used to describe the texture of the regions of interest, originally applied in ecology. The
calculation of those indices is based on phylogenetic trees, which applied in this work to
describe patterns in regions of the images of the breast with two regions bounding approaches
to texture analysis: circle with rings and internal with external masks. Suggested in this work
to be applied in the description of patterns of regions in breast imaging approaches circle with
rings and masks as internal and external boundaries regions for texture analysis. Support
Vector Machine (SVM) is used to classify the regions in mass or non-mass. The proposed
methodology provides successful results for the classification of masses and non-mass,
reaching an average accuracy of 99.67%. / O câncer de mama é o segundo tipo de câncer mais frequente no mundo e de difícil
diagnóstico. Distintos Sistemas de Detecção e Diagnóstico Auxiliados por Computador
(Computer Aided Detection/Diagnosis) têm sido utilizados para auxiliar especialistas da área
da saúde com a indicação de áreas suspeitas de difícil percepção ao olho humano, assim
ajudando na detecção e diagnóstico de câncer. Este trabalho propõe uma metodologia de
discriminação e classificação de regiões extraídas da mama em massa e não-massa. O banco
de imagens Digital Database for Screening Mammography (DDSM) é usado neste trabalho
para aquisição das mamografias, onde são extraído as regiões de massa e não-massa. Na
descrição da textura da região de interesse são utilizados os Índices de Diversidade
Taxonômica (∆) e Distinção Taxonômica (∆*), provenientes da ecologia. O cálculo destes
índices é baseado nas árvores filogenéticas, sendo aplicados neste trabalho na descrição de
padrões em regiões das imagens da mama com duas abordagens de regiões delimitadoras para
análise da textura: círculo com anéis e máscaras internas com externas. Para classificação das
regiões em massa e não-massa é utilizado o classificador Máquina de Vetores de Suporte
(MVS). A metodologia apresenta resultados promissores para a classificação de massas e
não-massas, alcançando uma acurácia média de 99,67%.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1837 |
| Date | 20 February 2013 |
| Creators | OLIVEIRA, Fernando Soares Sérvulo de |
| Contributors | PAIVA, Anselmo Cardoso, SILVA, Aristófanes Corrêa |
| 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 0.0025 seconds