Detecção do Câncer de Mama em Imagens Infravermelhas Utilizando Características Radiômicas (original) (raw)
Related papers
Segmentação de Imagens Infravermelhas Para Detecção do Câncer de Mama Utilizando U-NET CNN
Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)
O câncer de mama é o principal tipo de câncer entre as mulheres. De acordo com o World Cancer Research Fund, em 2018, mais de 2 milhões de novos casos foram detectados em todo o mundo. Apesar de sua alta ocorrência, a detecção precoce proporciona um melhor prognóstico e auxilia no aumento da sobrevida do paciente oncológico. Avanços significativos nas técnicas de rastreamento, como as imagens infravermelhas, forneceram uma maneira barata e menos invasiva forma de detectar a doença. Além disso, ferramentas computacionais podem ser utilizadas para auxiliar os médicos a fornecerem um melhor diagnóstico. Assim, este artigo apresenta um método de segmentação baseado em Redes Neurais Convolucionais U-Net. Em contraste com o estado da arte, as abordagens de aprendizado de máquina têm se mostrado eficientes para a segmentação da região de interesse deste trabalho, atingindo uma acurácia de 98,24% e uma Intersecção-Sobre-União de 94,38%. O uso deste método de segmentação pode ser muito útil pa...
Anais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS)
O câncer de mama é o segundo tipo de câncer mais comum no mundo. O diagnóstico e o tratamento em estágios iniciais aumentam as chances de cura da paciente. A temperatura de tecidos cancerosos é geralmente mais alta do que a de tecidos vizinhos saudáveis, tornando a termografia uma opção a ser considerada em estratégias de rastreamento deste tipo de câncer. Este artigo propõe um conjunto de características extraídas de imagens obtidas por Termografia Infravermelha Dinâmica com o objetivo de detectar anomalias da mama, entre elas o câncer, utilizando técnicas de aprendizagem de máquina não supervisionada. índices de validação de agrupamento são aplicados para avaliar os grupos formados de séries temporais de temperatura para vários valor de k aplicados no algoritmo k-means, gerando valores tratados como características. As análises revelam que o índice Streh gera as características mais significativas.
Resumo-Segundo a Organização Mundial de Saúde, o câncer de mama é o que mais causa mortes entre as mulheres (no Brasil, em específico, estão previstos cerca de 48.930 casos no ano de 2006). Em um exame de mamografia, uma lesão é identificada principalmente pela existência de microcalcificações e massas na região da mama. Este trabalho apresenta um esquema de análise e classificação de massas presentes no exame mamográfico utilizando o contorno de suas formas e o método da Full Curvature Scale Space, com o propósito de ajudar o radiologista no diagnóstico do câncer de mama. Este esquema é utilizado como ferramenta de apoio em um Sistema de Diagnóstico Auxiliado por Computador (Computer-Aided Diagnosis, CAD) para imagens mamográficas que está sendo utilizado atualmente de forma experimental. Resultados obtidos com a utilização do esquema proposto em um banco de dados de imagens mamográficas serão também brevemente descritos.
A Termografia infravermelha para detecção precoce de câncer de mama com aprendizado computacional
XIII SEB, 2021
A engenharia tecidual é um campo interdisciplinar voltado para desenvolvimento de estruturas biológicas que restaurem, mantenham ou melhorem funções teciduais. Dentre os componentes necessários para isso, há os arcabouços tridimensionais, estruturas criadas para suporte inicial das células e consequente formação de um tecido. Para avaliação do desempenho do arcabouço, é importante analisar características microestruturais como a porosidade, a interconectividade e o tamanho dos poros. Algumas técnicas como a microscopia eletrônica de varredura (MEV), picnometria e porosimetria de mercúrio, já vem sendo usadas para caracterizar os arcabouços. Todavia, alguns estudos mostraram a microtomografia computadorizada como padrão ouro para extrair informações detalhadas sem danificar a amostra em estudo. A Microtomografia Computadorizada de Raios X (microCT) é uma técnica não invasiva e apresenta uma alta resolução, contribuindo para análise e visualização tridimensional interna de vários tipos de amostras. Devido a essas vantagens, diversos pesquisadores vem estudando a microCT como técnica para caracterização de arcabouços para engenharia tecidual, visando obter informações mais apuradas a respeito da porosidade dessas estruturas, que irão influenciar diversos fatores como o desempenho biológico e as propriedades mecânicas das mesmas. O objetivo do trabalho consiste em apresentar a microCT como ferramenta de caracterização de arcabouços para engenharia tecidual e compará-la com outras técnicas utilizadas atualmente. Verificou-se que a microCT vem sendo utilizada na área para análises qualitativas e quantitativas, principalmente por conseguir visualizar poros cegos e área da seção transversal, sem utilizar elementos tóxicos ou sem destruir a amostra. Existem algumas desvantagens, que seriam pouca capacidade de absorção de raios-x em amostras de baixa densidade radiográfica. No entanto, apesar do crescente interesse em utilizar essa técnica, é possível perceber que muitos pesquisadores não a dominam por não ter relatórios com detalhes importantes sobre vários parâmetros da microestrutura e da utilização correta da microCT. Concluiu-se que a caracterização de arcabouços por microtomografia computadorizada é uma área que ainda está em desenvolvimento e com acesso limitado, porém vem ganhando destaque e tende a se tornar mais procurada e usada entre os pesquisadores para aplicação na engenharia tecidual.
Classificação De Imagens Histopatológicas De Câncer De Mama Usando Pequenas Subimagens Selecionadas
2020
Neste trabalho foram realizados experimentos com a base de imagens BreakHis aplicandouma rede neural convolucional (CNN) para classificar imagens histopatologicas em tumoresbenignos ou malignos (câncer). Evitando a necessidade de executar uma segmentacaoexplicita das imagens, este metodo e baseado na extracao de varias pequenas subimagens(patches) aleatorias para treinamento e na combinacao dessas subimagens parareconhecimento. Visando aumentar o desempenho do modelo classificador foi propostauma abordagem consistindo em previamente selecionar subimagens que sejam maisrepresentativas de cada classe, permitindo assim discriminar melhor entre padroesmalignos e benignos. Os resultados alcancados pela abordagem de filtragem pre-treinamento da CNN mostraram um ganho na acuracia para os dois maiores fatores deaumento disponiveis no conjunto de imagens, 200× e 400×.
Processamento De Imagens Como Método Na Diferenciação Dos Tumores De Mama
2017
Breast cancer has high rates of incidence and mortality, both in Brazil and worldwide. Responsible for the largest cause of death among women in Brazil, breast cancer is the second most common cancer in the world. Among the Brazilian states, Rio Grande do Sul, is the state of the southern region that has the highest mortality rates caused by this cancer. This research consisted of a quantitative analysis of the differentiation of breast tumors using fractal geometry (fractal dimension) associated with the elliptical eccentricity and the compactness index, being of fundamental importance to explore the breast tumors in the investigated mammograms, classifying Them in benign or malignant.
Revista de Engenharia e Pesquisa Aplicada, 2020
Problema crescente no mundo, o câncer de mama é considerado um dos principais causadores de mortes em mulheres. A mamografia digital é o principal método de detecção precoce deste tipo de câncer, porém sua interpretação é difícil até mesmo para um profissional. Técnicas de aprendizado de máquina são utilizadas para facilitar esta interpretação. Assim, o presente trabalho tem como objetivo propor um sistema de detecção auxiliado por computador para colaborar com profissionais no diagnóstico do câncer de mama, a partir da análise de imagens de mamografias digitalizadas. Candidatos à lesão foram gerados a partir da utilização do algoritmo de detecção de ponto de interesse SURF e passaram por um processo de classificação utilizando Redes Neurais Convolucionais (CNN) e Random Forests (RF). Foram utilizadas 1210 imagens da base CBIS-DDSM. A CNN apresentou melhores resultados alcançando no treinamento 0,06% de perda e 97% acurácia. No cenário de validação obteve 32% de perda e 93% de acurá...
Método De Detecção Do Câncer De Mama e Suas Implicações
Cogitare Enfermagem, 2009
RESUMO: O objetivo deste estudo foi conhecer o método de detecção e sua associação com o estadiamento do câncer de mama entre mulheres usuárias de um hospital público. Realizou-se um estudo transversal, no qual investigou-se as variáveis: idade, procedência, história familiar, estadiamento clínico e método de detecção. Para análise dos dados, utilizouse a estatística descritiva com nível de significância de 5%. Estudou-se 223 mulheres com idade média de 51,3 ± 12,41 anos, sendo 66,4% residentes na capital e 33,6% no interior do estado. A história familiar foi relatada por 24,5% das mulheres. Em relação à forma de detecção observou-se as seguintes freqüências: auto-exame (76,7%), exame clínico (15,7%) e mamografia (7,6%).O estadiamento clínico esteve associado ao método de detecção ( 0,05) e ao local de residência ( 0,05). A detecção do câncer de mama foi em maioria realizada pela própria mulher. O estadiamento clínico esteve associado ao método de detecção e à procedência.
Rastreamento do Câncer de Mama
Manole eBooks, 2016
Quais são os benefícios e os prejuízos de participar num programa de rastreamento do câncer de mama? Quantas mulheres irão se beneficiar com o rastreamento e quantas serão prejudicadas? Quais são as provas científicas que sustentam o rastreamento do câncer de mama? O que você sempre quis saber sobre o rastreamento do câncer de mama.