Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/52333
Tipo: Dissertação
Título: Classificação automática da densidade da mama baseada em modelos gravitacionais simplificados
Autor(es): Colaço, Daniel Freitas
Orientador: Cortez, Paulo César
Palavras-chave: Teleinformática;Mamografia;Diagnóstico por computador;Lacunarity;Mammography
Data do documento: 2017
Citação: COLAÇO, D. F. Classificação automática da densidade da mama baseada em modelos gravitacionais simplificados. 2017. 62 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2017.
Resumo: O câncer de mama permanece como o segundo tipo de câncer mais frequente no mundo. Atualmente a mamografia é o principal exame para o diagnóstico precoce da doença, fator fundamental para o sucesso do tratamento. Entretanto, a composição do tecido mamário pode dificultar a detecção de lesões devido à alta densidade do tecido fibroglandular atenuar muito a energia efetiva do feixe de raios X da mamografia. Assim, mamas densas apresentam um risco de 4 a 6 vezes maior de não se detectar lesões no estágio inicial. Esta dissertação apresenta uma pesquisa dos modelos gravitacionais simplificados aplicados na análise de textura de imagens mamográficas para posterior classificação automática da densidade do tecido mamário em sistemas de diagnóstico auxiliado por computador. O modelo gravitacional simplificado em estudo foi aplicado em 300 mamografias do banco de imagens Mammographic Image Analysis Society (MIAS) e, através de descritores de lacunaridade, combinado com os classificadores Máquina de Vetor Suporte (Support Vector Machine – SVM) e K vizinhos mais próximos (Knearest neighbors - Knn), obteve performance de 76,7% de acurácia com especificidade média de 87,27%, indicando que o método de modelos gravitacionais simplificados pode ser utilizado na análise de textura de imagens mamográficas, combinado com outros métodos de classificação e de pré-processamento.
Abstract: Breast cancer remains the second most common cancer in the world. Currently, mammography is the main test for early diagnosis of the disease, a fundamental factor to the success of the treatment. However, the composition of the mammary tissue can make it difficult to detect lesions as the high density of the fibroglandular tissue greatly attenuates the effective energy of the X-ray beam of mammography. As a result, dense breasts present 4 to 6-fold greater risk of not detecting lesions in the initial stage. This master thesis presents a research of the simplified gravitational model applied to the analysis of mammographic images textures for later automatic density classification of the mammary tissue in computer-aided diagnostic systems. The simplified gravitational model under study was applied to 300 mammograms from the MIAS image database and, through lacunarity descriptors, combined with the Support Vector Machine (SVM) and K-nearest neighbors (Knn), obtained a performance of 76.7% of Accuracy with average Specificity of 87.27%, indicating that the method of simplified gravitational models can be used in the analysis of mammographic images texture, combined with other methods of classification and preprocessing.
URI: http://www.repositorio.ufc.br/handle/riufc/52333
Aparece nas coleções:DETE - Dissertações defendidas na UFC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_dis_dfcolaço.pdf2,78 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.