Submitted by Maria Aparecida (cidazen@gmail.com) on 2017-04-27T13:46:48Z
No. of bitstreams: 1
Caio Eduardo Falcão Matos.pdf: 1884390 bytes, checksum: a5489f8f52a87e6c5958458ed5470488 (MD5) / Made available in DSpace on 2017-04-27T13:46:48Z (GMT). No. of bitstreams: 1
Caio Eduardo Falcão Matos.pdf: 1884390 bytes, checksum: a5489f8f52a87e6c5958458ed5470488 (MD5)
Previous issue date: 2017-02-08 / Breast cancer is one of the leading causes of death among women over the world. The
high mortality rates that cancers achieves across the world highlight the importance
of developing and investigating the means for the early detection and diagnosis of this
disease. Computer Detection and Diagnosis Systems (Computer Assisted Detection /
Diagnosis) have been used and proposed as a way to help health professionals. This work
proposes a new methodology for discriminating patterns of malignancy and benignity
of masses in mammography images by analysis of local characteristics. To do so, it is
proposed a combined methodology of feature detectors and descriptors with a model of
data representation for an analysis. The goal is to capture both texture and geometry in
areas of mammograms. We use the SIFT, SURF and ORB detectors, and the descriptors
HOG, LBP, BRIEF and Haar Wavelet. The generated characteristics are coded by a bag
of features model to provide a new representation of the data and therefore decrease a
dimensionality of the space of characteristics. Finally, this new representation is classified
using three approaches: Support Vector Machine, Random Forest, and Adaptive Boosting to
differentiate as malignant and benign masses. The methodology provides promising results
for the diagnosis of malignant and benign mass encouraging that as local characteristics
generated by descriptors and detectors produce a satisfactory a discriminating set. / O câncer de mama é apontado como uma das principais causas de morte entre as mulheres.
As altas taxas de mortalidade e registros de ocorrência desse câncer em todo o mundo
evidenciam a importância do desenvolvimento e investigação de meios para a detecção
e diagnóstico precoce dessa doença. Sistemas de Detecção e Diagnóstico auxiliados por
computador (Computer Aided Detection/Diagnosis) vêm sendo usados e propostos como
forma de auxílio aos profissionais de saúde. Este trabalho propõe uma metodologia
para discriminação de padrões de malignidade e benignidade de massas em imagens de
mamografia através da análise de características locais. Para tanto, a metodologia combina
detectores e descritores de características locais com um modelo de representação de dados
para a análise, tanto de textura quanto de geometria em regiões extraídas das mamografias.
São utilizados os detectores SIFT, SURF e ORB, e descritores HOG, LBP, BRIEF e
Haar Wavelet. Com as características geradas é aplicado o modelo Bag of Features em
uma etapa de representação que objetiva prover nova representação dos dados e por
conseguinte diminuir a dimensionalidade do espaço de características. Por fim, esta nova
representação é classificada utilizando três abordagens: Máquina de Vetores de Suporte,
Random Forests e Adaptive Boosting visando diferenciar as massas malignas e benignas.
A metodologia contém resultados promissores para o diagnóstico de massas malignas e
benignas fomentando que as características locais geradas pelos descritores e detectores
produzem um conjunto descriminate satisfatório.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1324 |
| Date | 08 February 2017 |
| Creators | MATOS, Caio Eduardo Falcão |
| Contributors | BRAZ JÚNIOR, Geraldo, PAIVA, Anselmo Cardoso de |
| Publisher | Universidade Federal do Maranhão, PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET, UFMA, Brasil, DEPARTAMENTO DE INFORMÁTICA/CCET |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| 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 0.0024 seconds