• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Dissertação de Mestrado
DOI
10.11606/D.18.2017.tde-02062017-104919
Documento
Autor
Nome completo
César Henrique de Melo Santaella
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Carlos, 2002
Orientador
Banca examinadora
Schiabel, Homero (Presidente)
Mascarenhas, Nelson Delfino d'Ávila
Romero, Roseli Aparecida Francelin
Título em português
Classificação de nódulos em imagens mamográficas digitais por Transformada "Wavelet"
Palavras-chave em português
Classificação de imagens
Mamografia
Transformada Wavelet
Resumo em português
O presente trabalho de pesquisa trata da elaboração de um esquema classificador automático para massas nodulares identificadas em imagens mamográficas digitalizadas, com base na técnica da transformada wavelet. Esse classificador é parte integrante de um esquema computadorizado para auxílio ao diagnóstico (CAD, de "computer-aided diagnosis") em mamografia, que utiliza técnicas de processamento de imagens digitais para identificar, realçar e classificar estruturas de interesse clínico. Utilizou-se também um classificador de distâncias mínimas para distribuir as imagens em suas respectivas classes. Os resultados mostraram que o classificador é capaz de diferenciar com mais de 90% de acerto entre nódulos suspeitos e não suspeito.
Título em inglês
not available
Palavras-chave em inglês
not available
Resumo em inglês
This work performs an automatic classifier scheme addressed to nodular masses detected in digitalized mammographic images, based on the wavelet transform technique. This classifier is part of a computer-aided diagnosis (CAD) scheme in mammography, wich uses digital image processing techniques in order to detect, enchance and classify structures of clinical interest. Also a minimum distances classifier was used in order to distribute the images to their respective classes. Results show that this classifier is capable of differentiating suspect from non-suspect nodules with more than 90% of accuracy.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
Data de Publicação
2017-06-02
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2020. Todos os direitos reservados.