• 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
 
 
Doctoral Thesis
DOI
10.11606/T.18.2017.tde-08122017-113952
Document
Author
Full name
Karem Daiane Marcomini
Institute/School/College
Knowledge Area
Date of Defense
Published
São Carlos, 2017
Supervisor
Committee
Schiabel, Homero (President)
Angelo, Michele Fúlvia
Carneiro, Antonio Adilton Oliveira
Macchetti, Alexandre Henrique
Pavan, Théo Zeferino
Title in Portuguese
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes
Keywords in Portuguese
Câncer de mama
Classificação
Concordância interobservador
Descritores de características
Elastografia
Processamento de imagens
Segmentação
Ultrassom modo-B
Abstract in Portuguese
Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Devido a subjetividade na interpretação de imagens, os sistemas de diagnóstico auxiliado por computador (CADx) têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia de investigação da potencialidade diagnóstica de um sistema computacional na classificação de achados suspeitos em imagens de ultrassom modo-B e de elastografia da mama. A base de dados foi constituída por 31 lesões malignas e 52 benignas e um conjunto adicional contendo 206 lesões de ultrassom modo-B (144 benignas e 62 malignas) para a realização dos testes de aprendizado de máquina. O contorno foi determinado automaticamente e através do delineamento manual de três radiologistas sob a imagem de ultrassom modo-B e, em seguida, mapeado na imagem elastográfica. As lesões foram classificadas pelo sistema CADx desenvolvido para ultrassom modo-B e elastografia do tipo strain. Os dados foram avaliados por meio da sensibilidade, especificidade e AUC. O sistema CADx desenvolvido proporcionou equivalência diagnóstica para a classificação das lesões a partir das diversas formas de determinação do contorno (manual e automática), permitindo a redução da variabilidade. Além disso, o sistema apontou resultados superiores à análise visual do radiologista que, quando considerado o resultado fornecido pela associação entre as imagens de ultrassom modo-B e elastografia, proporcionou um aumento comparativo de cerca de 7% em sensibilidade e 17,2% em especificidade nos testes com o sistema CADx usando o contorno feito pelo radiologista mais experiente. Além disso, constatou-se uma influência positiva no uso da ferramenta computacional pelos radiologistas, pois, na média, seus índices de sensibilidade e especificidade diagnóstica aumentaram também em relação à situação de análise convencional, passando de 87,1% e 55,8% para 90,3% e 73,1%, respectivamente.
Title in English
Characterization of lesions in ultrasound and elastography images using machine learning methods
Keywords in English
B-mode ultrasound
Breast cancer
Classification
Elastography
Feature descriptors
Image processing
Interobserver agreement
Segmentation
Abstract in English
Many procedures have been developed to aid in the early detection and diagnosis of breast cancer. In this context, Computer-Aided Diagnosis (CADx) systems were designed to provide to the specialist a reliable second opinion. This study presents the proposal of investigating the diagnostic ability of a computational system in the characterization of suspicious findings in B-mode ultrasound and breast elastography imaging. The database consisted of 31 malignant and 52 benign lesions and an additional data set containing 206 lesions (144 benign and 62 malignant) seen only on the B-mode ultrasound for performing the machine learning tests. Three radiologists drew manually the contour of the lesions in B-mode ultrasound and we used an automatic technique to segment the lesions. Then, the contour was mapped in the elastography image. The lesions were classified using the CADx system developed for B-mode ultrasound and strain elastography. We calculated the sensitivity, specificity and AUC to evaluate the data. The developed CADx system provided a diagnostic concordance in the classification of breast lesions from the different ways of contour determination (manual and automatic), allowing to reduce the diagnostic variability. In addition, the CADx system showed superior results to the visual analysis of the radiologist. When the radiologist associated both examinations (B-mode ultrasound and elastography), his visual analysis provided 87.10%, 55.77% and 0.714 of sensitivity, specificity and AUC, respectively. When we considered the result provided by the association between B-mode ultrasound and elastography images, the CADx system provided a comparative increase of about 7% of sensitivity and 17.2% of specificity, using the contour delimited by the most experienced radiologist. In addition, a positive influence was observed in the use of the computational tool by radiologists, since, on average, their sensitivity and specificity indexes also increased in relation to the conventional analysis, from 87.1% and 55.8% to 90.3% and 73.1%, respectively.
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Karem.pdf (4.39 Mbytes)
Publishing Date
2017-12-12
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2019. All rights reserved.