Submitted by Rosivalda Pereira (mrs.pereira@ufma.br) on 2017-09-04T18:08:18Z
No. of bitstreams: 1
LuisClaudioSilva.pdf: 4393489 bytes, checksum: 5c3cb715bd7992ba1cc5380c1a940f32 (MD5) / Made available in DSpace on 2017-09-04T18:08:18Z (GMT). No. of bitstreams: 1
LuisClaudioSilva.pdf: 4393489 bytes, checksum: 5c3cb715bd7992ba1cc5380c1a940f32 (MD5)
Previous issue date: 2017-07-27 / Breast cancer is the second type of cancer that most a ects women in the world, losing
only for non melanoma skin cancer. Breast density can hinder the location of masses,
especially in early stages. In this work, the use of independent component analysis for
detecting and segmentation lesions in dense breasts is proposed. Several works suggests
the use of computer aided diagnosis, increasing sensitivity to over 90% in detecting cancer
in non dense breasts, however there are few published studies about detecting in dense
breasts. To analyse its e ciency in relation to other segmentation techniques, we compare
the performance with principal component analysis. To measure the quality of the segmentation
obtained by the two methods, a area overlay measure will be used. To verify if
there was any di erence between the results of the proposed methods in the detection of
lesions in nondense breasts and in dense breasts, a statistic test for two proportions was
used. Experimental results on the Mini-MIAS and DDSM database showed an accuracy
of 92.71% in detecting masses in nondense and 79.17% in dense breasts. All experiments
showed that the ICA lters have a better performance for detect lesions in dense breast,
compared with PCA. Contrary to previous works, our experiments showed that there is
actually a signi cant di erence between the detection of masses in dense and nondense
breasts. This study can help specialist to detect lesions in dense breast. / O câncer de mama é o segundo tipo de câncer que mais afeta mulheres no mundo, perdendo
apenas para o câncer de pele não melanoma. A densidade da mama pode di cultar a localização
de massas, especialmente em estágios iniciais. Neste trabalho, propõe-se o uso de
análise de componentes independentes para detectar e segmentar lesões em mamas densas.
Vários trabalhos sugerem o uso do diagnóstico auxiliado por computador, aumentando a
sensibilidade para acima de 90% na detecção de câncer em mamas não densas, no entanto,
existem poucos estudos publicados sobre a detecção em mamas densas. Para analisar a
e ciência do método proposto em relação a outras técnicas de segmentação, comparamos
o desempenho com a análise de componentes principais. Para medir a qualidade da segmentação
obtida pelos dois métodos, será utilizada uma medida de sobreposição de área.
Para veri car se houve diferença entre os resultados dos métodos propostos na detecção de
lesões em mamas não densas e nas mamas densas, foi utilizado um teste estatístico para
duas proporções. Os resultados experimentais usando os bancos de dados Mini-MIAS e
DDSM mostraram uma acurácia de 92,71% na detecção de massas em mamas não densas
e 79,17% em mamas densas. Todas as experiências mostraram que os ltros de ICA usados
têm um melhor desempenho para detectar lesões em mamas densas, em comparação
com PCA. Contrariamente aos trabalhos anteriores, nossos experimentos mostraram que
existe realmente uma diferença signi cativa entre a detecção de massas em mamas densas
e não densas. Este estudo pode ajudar o especialista a detectar lesões em mamas densas
| Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede/1897 |
| Date | 27 July 2017 |
| Creators | SILVA, Luis Claudio de Oliveira |
| Contributors | BARROS FILHO, Allan Kardec Duailibe, SANTANA, Ewaldo Eder Carvalho, FONSECA NETO, João Viana da, RIBEIRO, Aurea Celeste da Costa, OLIVEIRA, Fausto Lucena 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 | 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