Classificação de nódulos mamários utilizando segmentação e análise de densidade de imagens mamográficas (2015)
- Authors:
- Autor USP: GONÇALVES, STEFAN MULLER FERREIRA - EESC
- Unidade: EESC
- Subjects: MAMOGRAFIA; NEOPLASIAS MAMÁRIAS
- Keywords: CADx; Densidade dos níveis de cinza; Grayscale density; Mammography; Método de Otsu; Otsu Method; Segmentação de imagem
- Language: Português
- Abstract: No Brasil, exceto na região Norte, o câncer de mama é o tipo mais comum entre as mulheres (INCA, 2015). Como inda não é possível prevenir esse tipo de câncer, o diagnóstico precoce aumenta consideravelmente as chances de cura da doença e o exame mamográfico é uma das maneiras eficazes de se realizar esse diagnóstico. Estudos mostram que, de todas as mamografias avaliadas, de 10 a 15% tem seu diagnóstico errado (PEIXOTO, CANELLA e AZEVEDO, 2007)e isso pode levar a biópsias desnecessárias, ou até mesmo, fazer com que a paciente não receba o tratamento necessário. Uma possível solução para esse problema é usar um sistema CADx (Computer-aided Diagnosis) que analisa e classifica o nódulo presente em uma mamografia baseado em diferentes atributos. Seguindo uma das linhas de pesquisa do Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas (LAPIMO) da Escola de Engenharia de São Carlos da USP, este trabalho tem como objetivo implementar um programa independente de plataforma que ajude a estabelecer a correlação entre a densidade de níveis de cinza do nódulo presente em uma mamografia e sua classificação (benigno ou maligno), ou seja, apenas um dos atributos que são levados em conta no sistema CADx. Durante o desenvolvimento do programa foram implementados alguns filtros para melhorar as segmentação do nódulo e da mama que é feita através do método de Otsu (OTSU, 1979). A versão final do programa permite, através de sua interface gráfica, que o usuário ajuste diversos parâmetros relacionados aos filtros implementados e também a utilizar nódulos já segmentados por outros métodos. Com o programa desenvolvido foi possível processar um grande número de mamografias, extraindo a densidade dos níveis de cinza do nódulo e da mama e com isso testar a eficácia de dois sistemas de classificação, a razão das médias do nódulo e da mama e oK-Nearest Neighbours (KNN), a fim de verificar a correlação entre a classificação do nódulo e sua densidade de níveis de cinza. Com os resultados foi possível verificar que a acurácia na classificação do nódulo depende fortemente do sistema de classificação e do escâner usado na digitalização da mamografia. O sistema de classificação KNN é superior à razão das médias do nódulo e da mama, sendo possível com ele atingir uma acurácia de 69,81% para uma amostra de 100 imagens e 66,17% com uma amostra de 352 imagens, usando apenas a densidade de níveis de cinza como atributo
- Imprenta:
- Publisher place: São Carlos
- Date published: 2015
-
ABNT
GONÇALVES, Stefan Muller Ferreira. Classificação de nódulos mamários utilizando segmentação e análise de densidade de imagens mamográficas. 2015. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2015. Disponível em: https://bdta.abcd.usp.br/directbitstream/e21857bc-c921-4311-8994-3fb34863bc44/Goncalves_Stefan_Muller_Ferreira-tcc.pdf. Acesso em: 27 mar. 2025. -
APA
Gonçalves, S. M. F. (2015). Classificação de nódulos mamários utilizando segmentação e análise de densidade de imagens mamográficas (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/e21857bc-c921-4311-8994-3fb34863bc44/Goncalves_Stefan_Muller_Ferreira-tcc.pdf -
NLM
Gonçalves SMF. Classificação de nódulos mamários utilizando segmentação e análise de densidade de imagens mamográficas [Internet]. 2015 ;[citado 2025 mar. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/e21857bc-c921-4311-8994-3fb34863bc44/Goncalves_Stefan_Muller_Ferreira-tcc.pdf -
Vancouver
Gonçalves SMF. Classificação de nódulos mamários utilizando segmentação e análise de densidade de imagens mamográficas [Internet]. 2015 ;[citado 2025 mar. 27 ] Available from: https://bdta.abcd.usp.br/directbitstream/e21857bc-c921-4311-8994-3fb34863bc44/Goncalves_Stefan_Muller_Ferreira-tcc.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Goncalves_Stefan_Muller_F... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
