Um Estudo sobre Características Extraídas de Imagens Infravermelhas para Detecção de Anormalidades de Mama (original) (raw)
Related papers
Detecção do Câncer de Mama em Imagens Infravermelhas Utilizando Características Radiômicas
Anais da VIII Escola Regional de Computação Aplicada à Saúde (ERCAS 2021)
O câncer de mama é o segundo tipo mais frequente de câncer no mundo. Quando diagnosticado precocemente, o paciente pode apresentar um melhor prognóstico e aumentar suas chances de cura. Neste trabalho é proposto o desenvolvimento de um método de classificação de imagens infravermelhas para o auxílio no diagnóstico do câncer de mama. Para isso, utilizou-se características baseadas em radiômicas para representar o conteúdo da imagem em conjunto com uma Rede Neural Profunda para detecção de padrões e construção do modelo de classificação. Avaliado seguindo o procolo de Validação Cruzada, o método proposto atingiu uma taxa de acerto de 97,27% e uma sensibilidade de 96,33%. Novas modalidades de imagens médicas têm se mostrado eficazes na detecção precoce do câncer de mama.
Uso de imagens termográficas para classificação de anormalidades de mama
Anais Pr ncipais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2015)
Estudos recentes envolvem o uso da termografia como uma técnica de triagem para o câncer de mama, especialmente nos casos em que a mamografia é limitada. O objetivo deste trabalho é avaliar a utilização de imagens termográficas para classificar anomalias mamárias (maligno, benigno e cisto) a fim de detectar o câncer de mama. No primeiro passo, a imagem termográfica é obtida e processada. Em seguida quatro variáveis são obtidas com base nos intervalos de temperaturas obtidos do termograma, determinando os dados de entrada para o processo de classificação. Três classificadores clássicos foram avaliados. Por fim, obteve-se 16% de taxa de erro de classificação, 85,7% de sensibilidade e 86,5% de especificidade para o câncer.
Detecção de Anomalias em Termografia Dinâmica das Mamas
Anais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS), 2020
A termografia é um exame que pode ser utilizada para diagnóstico precoce de câncer de mama. Regiões com anomalias geralmente apresentam perturbações no ganho de temperatura. Com base nessa ideia, o presente trabalho propõe uma metodologia de análise de séries temporais a fim de investigar esse padrão comportamental. O método foi capaz de identificar corretamente 10 dos 13 exames que possu´ıam anomalias, configurando assim que o método de detecção baseado em amplitude pode ser promissor na identificação de regiões suspeitas de lesão.
Cancer is the most common death cause among women in the world. Accord INCA (National Cancer Institute -Brazil), early detection and treatments are the main way of cure. Among developed countries the overlife rate after five years is 85%, while the overlife in developing countries is 60%. For 2012 in Brazil, are expected 52680 new cases. Cancer is a disease in which cells reproduce uncontrollably because they have lost their function in tissue, usually due to mutations. This reproduction increases the local temperature because new blood vessels, neo-angiogenesis, are required by cancer cells. The medical thermography is a way to register the skin temperature of volunteers, and after that, to make some analysis and find thermal patterns. The human body is a symmetric thermal system and some changes in the pattern between right and left breast could identify some pathology. This paper explores the feature extractions of breast thermal images and after that classify the volunteers among with or without pathology. We extract statistic features, fractal dimension and geo-statistic features. The results are very promises with accuracy near of 90% and area under ROC curve near of 0.900%. We test three classifiers: SVM, KNN and Naïve Bayes. And two feature reduction techniques: PCA and Information Gain Ratio.
Anais Pr ncipais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2015)
O uso de ferramentas de auxílio de diagnóstico (CAD) para detecção e classificação de câncer de mama tem sido difundido. No que diz respeito ao diagnóstico de câncer de mama por imagens de ultrassom, resultados encontrados na literatura revelam um melhor desempenho de classificação das lesões mamárias com características morfológicas e sugerem que um conjunto reduzido de características apresenta uma melhor performance de classificação em relação a um conjunto grande. Neste estudo foram avaliados o desempenho de classificadores SVM com diferentes kernels: polinomial e RBF. Conjuntos de características morfológicas distintos foram utilizados para treinamento e classificação. A seleção de conjuntos reduzidos de características, foi realizada através da técnica de seleção de escalar com correlação. Os melhores resultados obtidos para acurácia e AUC foram de 92% e 0.920 respectivamente
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...
Cadernos de Pesquisa
Este trabalho propõe uma metodologia para identificar regiões suspeitas de lesão baseada nas assime-trias da mama esquerda e direita de imagens de termogramas. O estudo é pautado em imagens de pacientes do Hospital Universitário da Universidade Federal de Pernambuco (UFPE), capturadas por câmera infravermelha. Inicialmente as imagens são manualmente segmentadas. Em seguida, os seios são registrados usando a transformação B-spline. Além disso, como o corpo humano tem uma simetria radial das temperaturas, uma lesão, eventualmente, leva uma assimetria destas regiões, em seguida, o spatiogram é usado para identificar essas regiões assimétricas. Finalmente, apenas as regiões com temperaturas superiores à média são mantidas, com base no fato de que o câncer tem a temperatura mais elevada do que o restante mama. Após esse processo são extraídas características (Variação dos pixels, a média, o desvio padrão, o índice de Geary e Dimensão Fractal de Higuchi) para a classificação dessas regiõe...
2020
This paper presents the study of a execution running on RNA (Artificial Neural Network) on a Mammography Bank and its results. The RNA used, DARKCovidNet, showed promising results in detection of COVID-19 cases. Such study values efforts dedicated development of the network and helps to model future networks for various diseases that afflict population. Keywords: Artificial Neural Network · IA · Cancer · Breast Cancer · Mammography · DARKCovidNet. Resumo Este artigo apresenta um estudo sobre a execução de uma rede neural artificial (RNA) sobre um banco de Mamografias e seus resul-tados. A RNA utilizada para esse estudo, DARKCovidNet apresentou resultados promissores na detecção de casos da COVID-19, tal estudo valoriza os esforços dedicados no desenvolvimento de uma rede que au-xilia na modelagem de futuras redes para diversas doenças que afligem a população.
Avaliação das mamas com métodos de imagem
Radiologia Brasileira, 2007
A mamografia, a ultra-sonografia e a ressonância magnética desempenham papel central na detecção, no diagnóstico e na conduta das doenças mamárias. Além delas, outras tecnologias têm sido estudadas nas mamas, tais como a tomografia por emissão de pósitrons (PET), a espectroscopia, a tomografia computadorizada, a tomossíntese e a ultra-sonografia com contraste; o custo-benefício destas novas tecnologias, entretanto, necessita de mais estudos.