Processamento De Imagens Como Método Na Diferenciação Dos Tumores De Mama (original) (raw)

Métodos Computacionais Na Diferenciação De Tumores De Mama

Revista Gestão e Desenvolvimento em Contexto, 2017

Esse estudo apresenta a importância de pesquisas relacionadas a deteccao do câncer de mama por meio do processamento de imagens. Isso se deve ao fato de o câncer de mama ser o responsavel pela maior causa de mortes entre as mulheres no Brasil. O objetivo geral da pesquisa consistiu em realizar uma analise quantitativa na diferenciacao de tumores de mama com a utilizacao da geometria fractal (dimensao fractal) associada a excentricidade da elipse e o indice de compacidade, sendo de fundamental importância para explorar os tumores de mama nas mamografias investigadas, classificando-os em benignos ou malignos.

Análise de Imagens de Tumores de Câncer de Mama Baseada Em Conteúdo: Método da Full Curvature Scale Space

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.

LUISA: Uma Proposta de Ferramenta para Auxílio Ao Diagnóstico do Câncer de Mama a Partir de Imagens de Mamografias Digitalizadas

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...

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×.

Auxílio ao Diagnóstico Precoce de Patologias da Mama Usando Imagens Térmicas e Técnicas de Mineração de Dados

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.

Discriminação de Aspectos Malignos em Massas Tumorais de Mamografias Usando Características de Forma das Imagens

This paper presents a new approach that aims at supporting classification and similarity retrieval of images, based on shape content. Feature extraction and comparison uses Zernike moments for invariant pattern recognition within regions of interest. A decision tree induction algorithm is applied to identify representative moments that can proficiently discriminate the classes. An algorithm based on fractal theory is used to reduce the dimensionality of feature vectors. K-nearest neighbor retrieval was applied to a database containing images excerpted from previously classified digitalized mammography exams presenting breast lesions. The results reveal that the method is robust and very suitable for analyzing this kind of image. Resumo. Este artigo apresenta um novo método que realiza classificação e recuperação de imagens por similaridade, baseada em características de forma. Extração e comparação utilizam momentos de Zernike para reconhecimento invariante de padrões sobre regiões ...

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.

Uso De Ontologias Para a Manipulação De Imagens Relacionadas Ao Câncer De Mama

Jornal Brasileiro de TeleSSaúde, 2013

Resumo Em um cenário no qual é crescente a quantidade de fontes de dados disponíveis, a Web Semântica vem desempenhando um papel fundamental para o compartilhamento, recuperação, seleção e combinação de dados armazenados nos mais variados formatos. O armazenamento e recuperação de imagens médicas também se beneficia da aplicação destas tecnologias. Neste trabalho apresentamos um estudo sistemático de trabalhos que utilizam ontologias como ferramenta para a manipulação em imagens médicas relacionadas ao câncer de mama, descrevendo as principais características de sistemas que as utilizam Palavras-chave: Ontologia, Câncer de Mama, Imagens Médicas In a scenario in which there is a growing amount of available data sources, the Semantic Web has played a key role in the sharing, retrieval, selection and combination of data stored in various formats. The storage and retrieval of medical images also benefits from the application of these technologies. In this work we present a systematic study of works that use ontologies as a tool for manipulating medical images related to breast cancer, describing the main characteristics of systems that use such tool.

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.

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.