Sistemas inteligentes para apoio ao diagnóstico do câncer de mama usando imagens mamográficas e termográficas
O câncer de mama já é a forma mais mortal de câncer entre mulheres. Muito embora sua ocorrência não seja função do nível de desenvolvimento econômico e social, a mortalidade do câncer de mama está diretamente relacionada a estratégias de prevenção da doença, tais como campanhas educativas e tecnolog...
| Main Author: | SANTANA, Maíra Araújo de |
|---|---|
| Other Authors: | SANTOS, Wellington Pinheiro dos |
| Format: | masterThesis |
| Language: | por |
| Published: |
Universidade Federal de Pernambuco
2020
|
| Subjects: | |
| Online Access: |
https://repositorio.ufpe.br/handle/123456789/38301 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: |
O câncer de mama já é a forma mais mortal de câncer entre mulheres. Muito embora sua ocorrência não seja função do nível de desenvolvimento econômico e social, a mortalidade do câncer de mama está diretamente relacionada a estratégias de prevenção da doença, tais como campanhas educativas e tecnologias para apoio ao diagnóstico precoce do câncer de mama por meio de ferramentas de detecção e classificação de lesões de mama. O padrão na prática clínica para apoio ao diagnóstico do câncer de mama por imagem ainda é a mamografia por raios-x. No entanto, essa técnica tem como desvantagens, além do custo, o uso de radiações ionizantes, que por sua vez podem ainda estar relacionados a fatores causadores de câncer, e a impossibilidade de utilização em pacientes mais jovens. A termografia de mama se baseia nas mudanças metabólicas resultantes do surgimento de células alteradas no tecido mamário, que por sua vez resultam em modificações na distribuição de temperatura da mama. Ela tem se estabelecido como técnica complementar à mamografia, servindo como sistema de triagem, possibilitando a detecção precoce de lesões de mama e diminuindo a mortalidade associada à doença. Sistemas inteligentes, baseados na identificação de padrões em imagens com lesões de mama, aliados à combinação entre descritores de forma e de textura e à decomposição em série de Wavelets, aliados a máquinas de aprendizado conexionistas, têm se mostrado bastante eficientes na automatização da análise mamográfica. É possível tomar essa metodologia como ponto de partida para a automatização da análise de termogramas de mama. Esta proposta tem como objetivo investigar diversas abordagens para desenvolver um sistema de apoio ao diagnóstico do câncer de mama para a classificação de regiões de interesse em mamografias e termogramas de mama. A solução foi validada usando duas bases de imagens clínicas reais, sendo uma de termogramas e outra de regiões de interesse de mamografias. A base de imagens termográficas foi obtida em projetos de pesquisa-ação desenvolvidos junto a movimentos sociais e ao Hospital das Clínicas da UFPE. A base de imagens de mamografias adotada é a IRMA, desenvolvida na Aachen University of Technology, Alemanha, usando as bases públicas DDSM e MIAS, e cedida para uso acadêmico pelo Prof. Thomas Deserno. Excelentes desempenhos foram obtidos utilizando descritores baseados em Wavelets, tanto para detecção da existência de lesões quanto para a classificação do tipo de lesão presente nas imagens de ambas as técnicas. Para os termogramas de mama, foi obtida acurácia média em torno de 99% e mais de 0,95 de índice kappa médio. Resultados acima de 95% de acurácia média, com índice kappa médio em torno de 0,95, foram obtidos para a classificação das imagens contendo regiões de interesse de mamografias. |
|---|