Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-01-22T17:20:19Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertação. impressãofinal.rev02Adoc.pdf: 1694360 bytes, checksum: 111fdb172ac44b792bcbad0721c90ca3 (MD5) / Made available in DSpace on 2016-01-22T17:20:19Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
Dissertação. impressãofinal.rev02Adoc.pdf: 1694360 bytes, checksum: 111fdb172ac44b792bcbad0721c90ca3 (MD5)
Previous issue date: 2015-03-06 / CAPES / O câncer de mama é um dos principais tipos de câncer que levam mulheres a óbito no Brasil e no mundo. O câncer surge a partir do desenvolvimento descontrolado de células malignas no corpo, ocasionando uma maior perfusão sanguínea na região afetada e, consequentemente, aumentando a temperatura local. Tal aumento pode ser medido através de câmeras termográficas. No presente trabalho, realiza-se a classificação estatística de imagens termográficas das mamas, de um grupo de mulheres cujas as imagens foram adquiridas sem um controle adequado das variáveis térmicas do ambiente. Essas imagens termográficas foram classificadas a partir de um grupo formado por imagens de pacientes do Hospital das Clínicas da UFPE, para as quais as condições de aquisição foram controladas. Com a classificação e análise das imagens nesses dois ambientes procura-se investigar se a termografia pode ser utilizada como uma técnica de triagem de possíveis anomalias mamárias em regiões de poucos recursos médicos. Para este fim, foram utilizados três tipos de segmentação das imagens das mamas e dois tipos de classificadores, o classificador Discriminante Linear e um classificador de Distância Mínima baseado em três distâncias: a Euclidiana, a de Mahalanobis e a City Block. Para avaliar a robustez dos classificadores usados também foram analisados casos especiais, que englobaram dois tipos de casos: mulheres que amamentavam com apenas uma das mamas e outro caso onde com imagens de uma mulher que passou por cirurgia prévia da mama. No grupo de teste, composto por 29 pacientes, a maioria das imagens foi de pacientes normais e essa classe apresentou uma grande variabilidade dos dados. Foi então necessário minimizar esses efeitos nos classificadores, sendo feito outro tipo de análise, levando em conta a variância da classe normal. De modo geral, o classificador Discriminante Linear apresentou os melhores resultados, indicando ser o mais robusto para esse tipo de amostra. Foram comparados dois tipos de segmentação de imagens e concluiu-se pelos resultados comparativos, que as segmentações manuais não interferiram de forma significativa na classificação das referidas imagens. Concluiu-se também, que numa triagem às cegas é necessário fazer algumas perguntas simples às pacientes. Os resultados obtidos com os classificadores e com as segmentações dão indícios que a termografia pode ser utilizada como uma ferramenta de triagem em localidades com condições médicas precárias / Breast cancer is one of the main types of cancer that currently lead women to death in Brazil and in the world. The cancer arises from an uncontrolled growth of malignant cells in the body, leading to an increased blood perfusion in the affected region, and thus increasing the local temperature. This increase can be measured by thermography cameras. In this study, a statistical classification of breast thermographic images was carried out, analyzing a group of women whose images were acquired without adequate control of the thermal environment variables. Those thermographic images were classified using another group of images from patients at the Hospital das Clinicas-UFPE. Those images were acquired under measured thermal conditions. With the image analysis and its classification in the referred conditions we intend to investigate if the thermography can be used as a potential screening technique for breast abnormalities in regions of insufficient medical conditions. For this purpose, we used three diferent techniques for segmenting breast images and two types of classifiers, Linear Discriminant classifier, and a Minimum Distance classifier based on three distances: the Euclidean distance, the Mahalanobis distance and the City Block one. To assess the robustness of the used classifiers, specific cases were also analyzed. The first one was breast-feeding women in only one breast. The other case we considered images of a woman who has undergone previous surgery of the breast. In the test group, most images were of normal patients. This class presented a wide variability of the data. It was then necessary to minimize these effects on the classifiers. Another analysis was done taking into account the variance of the normal class. In general, Linear Discriminant Classifier presented the best results. We concluded also that manual types of segmentation did not interfere significantly in the image classification. Furthermore, we concluded that in a blind screening you must do some simple questions to the patients, like if they had previous breast surgery or if they are if they are breastfeeding their children. The present study gives an evidence that thermography can be used as a screening tool in locations with insufficient medical condition.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/14969 |
| Date | 06 March 2015 |
| Creators | SILVA, Anderson Spinelli Valdevino da |
| Contributors | http://lattes.cnpq.br/4457435468771667, LIMA, Rita de Cássia Fernandes de |
| Publisher | UNIVERSIDADE FEDERAL DE PERNAMBUCO, Programa de Pos Graduacao em Engenharia Mecanica, UFPE, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Breton |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0033 seconds