Export iten: EndNote BibTex

Please use this identifier to cite or link to this item: http://tede.unioeste.br/handle/tede/2998
Full metadata record
DC FieldValueLanguage
dc.creatorAlbonico, Guilherme Antônio Mantovani-
dc.creator.Latteshttp://lattes.cnpq.br/8583142453995305por
dc.contributor.advisor1Kauati, Adriana Tokuhashi-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4808167232091229por
dc.contributor.advisor-co1Pereira, Wagner Coelho de Albuquerque-
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/3554447149096438por
dc.contributor.referee1Kauati, Adriana Tokuhashi-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/4808167232091229por
dc.contributor.referee2Pereira, Wagner Coelho de Albuquerque-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/3554447149096438por
dc.contributor.referee3Battistella, Sandro-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/5487197769616594por
dc.contributor.referee4Campos, Marcello Luiz Rodrigues de-
dc.contributor.referee4Latteshttp://lattes.cnpq.br/2402401592333107por
dc.date.accessioned2017-09-04T12:02:58Z-
dc.date.issued2017-03-30-
dc.identifier.citationAlBONICO, Guilherme Antônio Mantovani. Seleção de atributos e classificação automática de lesões mamárias em imagens de ultrassom. 2017. 77 p. Dissertação (Mestrado em Engenharia Elétrica e Computação) - Universidade Estadual do Oeste do Paraná, Foz do Iguaçu, 2017.por
dc.identifier.urihttp://tede.unioeste.br/handle/tede/2998-
dc.description.resumoO câncer de mama é uma das doenças que mais atingem as mulheres no mundo. Devido à grande quantidade de fatores associados com este tipo de doença, a detecção precoce é a melhor forma de combatê-la. A mamografia é o principal exame utilizado atualmente para a detecção, pois é capaz de identificar a presença de microcalcificações, as quais são um indicador chave da presença de câncer. Como complemento a este exame, a ultrassonografia da mama vem sendo bastante utilizada devido ao grande número de mamogramas inconclusivos e à dificuldade de diagnóstico de mulheres mais jovens. Entretanto a interpretação das imagens de ultrassom provenientes destes exames é bastante dependente da experiência do médico que realiza o diagnóstico. Para auxiliar na interpretação destes exames, surgiram os sistemas Computer-Aided Diagnosis (CAD) que buscam fornecer uma segunda opinião para os médicos especialistas. Neste trabalho, foram desenvolvidas as etapas de seleção de atributos e de classificação presentes nestes sistemas. Foram realizadas abordagem wrapper com estratégia de busca baseada em algoritmos genéticos e duas estratégias em filtro, o teste t de Welch e o algoritmo ReliefF. Para avaliar o desempenho dos subconjuntos foi elaborado um classificador do tipo Multilayer Perceptron (MLP), com algoritmo de aprendizagem backpropagation. A métrica utilizada para avaliar o desempenho de classificação de cada subconjunto de atributos foi a área sob a curva Receiver Operating Characteristic (Az). O banco de dados utilizado, consiste de 541 imagens, sendo 314 lesões benignas e 227 lesões malignas com diagnóstico comprovado por biópsia. O banco de dados contém a segmentação manual destas imagens realizada por um médico especialista e 22 atributos morfológicos previamente extraídos. Os resultados encontrados pelas técnicas em filtro mostraram que alguns atributos isoladamente são capazes de obter bons resultados na classificação, como por exemplo, a razão profundidade/largura da lesão, obtendo um valor de 0,731 para Az. Apesar disso, os melhores resultados foram encontrados através da estratégia wrapper, tendo sido obtido um valor de 0,835 para Az utilizando apenas oito dos 22 atributos, demonstrando assim a importância destas etapas neste tipo de sistema CAD, aumentando o desempenho final.por
dc.description.abstractBreast cancer is one of the diseases that hit most women in the world. Due to the large number of factors associated with this type of disease, early detection is the best way to fight it. Mammography is the main imaging exam currently used for detection, since it is able to identify the presence of microcalcifications, which are a key indicator of the presence of cancer. As a complement exam, breast ultrasonography has also been widely used because of the large number of inconclusive mammograms and the difficulty of diagnosing younger women. However, the interpretation of ultrasound images is quite dependent on the experience of the doctor in charge of the diagnosis. To aid in the interpretation of these images, Computer-Aided Diagnosis (CAD) systems have appeared, and it seeks to provide a second opinion for medical specialists. In this work, the attribute selection and classification stages presented in these systems were developed. A wrapper approach with a search strategy based in genetic algorithms, and two filter approaches, the Welch's t test and the ReliefF algorithm was developed. To evaluate the subsets performance, a Multilayer Perceptron (MLP) neural network, with backpropagation learning algorithm was developed as a classifier. The metric used to evaluate the classification performance of each subset of attributes was the area of under the Receiver Operating Characteristic curve (Az).The used database has 541 images, with 314 benign lesions and 227 malignant lesions with a biopsyproven diagnosis. In addition, the database contains the manual segmentation of these images performed by a specialist physician and 22 morphological extracted attributes. The filter techniques results showed that some attributes alone are able to obtain good classification results, such as the depth/width ratio of the lesion, reaching 0.731 for Az. Besides that, the best results were found through the wrapper strategy, in which a value of 0.835 was obtained for Az using only eight of the 22 attributes, demonstrating the importance of these steps in this type of CAD system, increasing the final performance.eng
dc.description.provenanceSubmitted by Miriam Lucas (miriam.lucas@unioeste.br) on 2017-09-04T12:02:58Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Guilherme_A_Mantovani_Albonico_2017.pdf: 5657505 bytes, checksum: e0002a5923940dc5d0866cdf6f30a5ae (MD5)eng
dc.description.provenanceMade available in DSpace on 2017-09-04T12:02:58Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Guilherme_A_Mantovani_Albonico_2017.pdf: 5657505 bytes, checksum: e0002a5923940dc5d0866cdf6f30a5ae (MD5) Previous issue date: 2017-03-30eng
dc.description.sponsorshipCoordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPESpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Estadual do Oeste do Paranápor
dc.publisher.departmentCentro de Engenharias e Ciências Exataspor
dc.publisher.countryBrasilpor
dc.publisher.initialsUNIOESTEpor
dc.publisher.programPrograma de Pós-Graduação em Engenharia Elétrica e Computaçãopor
dc.rightsAcesso Abertopor
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subjectCâncer de mamapor
dc.subjectUltrassompor
dc.subjectCADpor
dc.subjectBreast cancereng
dc.subjectUltrasoundeng
dc.subject.cnpqSistemas dinâmicos e energéticospor
dc.titleSeleção de atributos e classificação automática de lesões mamárias em imagens de ultrassompor
dc.title.alternativeSelection of attributes and automatic classification of breast lesions in ultrasound imageseng
dc.typeDissertaçãopor
dc.publisher.campusFoz do Iguaçupor
Appears in Collections:Mestrado em Engenharia Elétrica e Computação (FOZ)

Files in This Item:
File Description SizeFormat 
Guilherme_A_Mantovani_Albonico_2017.pdf5.52 MBAdobe PDFView/Open Preview


This item is licensed under a Creative Commons License Creative Commons