@MASTERSTHESIS{ 2017:777111821,
 	title = {Seleção de atributos e classificação automática de lesões mamárias em imagens de ultrassom},
 	year = {2017},
 	url = "http://tede.unioeste.br/handle/tede/2998",
 	abstract = "O 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.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Elétrica e Computação},
 	note = {Centro de Engenharias e Ciências Exatas}
}