• 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
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.18.2017.tde-27102017-140806
Document
Auteur
Nom complet
Ana Cláudia Patrocínio
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2000
Directeur
Jury
Schiabel, Homero (Président)
Romero, Roseli Aparecida Francelin
Silva, Ana Maria Marques da
Titre en portugais
Esquema classificador de agrupamentos de microcalcificações mamárias utilizando redes neurais artificiais
Mots-clés en portugais
Classificação
Esquemas CAD
Mamografia
Processamento de imagens
RNA
Resumé en portugais
Os Esquemas CAD ("Computer - Aided Diagnosis") têm mostrado bons resultados no auxílio ao diagnóstico precoce do câncer de mama. A classificação, nesses esquemas, é algo complexo e abrange investigações não só de técnicas computacionais, mas também das caracterizações citológicas dos achados de interesse clínico. Por isso, o presente trabalho objetivou o desenvolvimento de um esquema classificador visando a indicação de cada caso como "suspeito" e "não-suspeito", com base em investigações de imagens mamográficas digitalizadas. Nessa investigação em particular, o foco de análise foram agrupamentos de microcalcificações detectadas por técnicas de processamento de imagens. A técnica de classificação utilizada no esquema baseou-se em redes neurais artificiais (RNA) supervisionadas, empregando algoritmo de aprendizagem "backpropagation". O esquema classificador usando RNA, mostrou a eficiência dos descritores de forma na caracterização dos agrupamentos de microcalcificações e também a influência de atributos extraídos dos laudos das imagens como a idade e a "densificação". Os melhores resultados obtidos - apresentados aqui em forma de porcentagens e também de curvas ROC - mostraram 92% de acerto total com Az = 0,96 aproximadamente, índices compatíveis aos dos melhores classificadores descritos pela literatura.
Titre en anglais
not available
Mots-clés en anglais
not available
Resumé en anglais
Computer-aided diagnosis (CAD) schemes have shown good results in aiding the early diagnosis of breast câncer. In such schemes, the classification is usually complex and it in uses not only computer techniques, but also cythologycal characterization of the clinical findings. Thus, this work has aimed to develop a classifier scheme regarding to indicate each case as "suspected" or "non-suspected", based upon digitized mammographic images investigation. This analysis focus was clustered microcalcifications detected by image processing techniques. The classification technique used in the scheme was based on supervised artificial neural networks (ANN), with backpropagation as learning algorithm. The classifier using ANN has shown the geometric descriptors efficiency for characterizing microcalcifications clusters as well as the influence of features extracted from images reports, as "age" and "density". The best data - presented here by percentage values and also by ROC curves - have shown 92% of conect results, with Az = 0,96, which are comparable to the values from the best classifiers describeb by literature.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2017-10-30
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2024. Tous droits réservés.