Classificação de nódulos mamários utilizando segmentação e análise de densidade...

No Brasil, exceto na região Norte, o câncer de mama é o tipo mais comum entre as mulheres (INCA, 2015). Como inda não é possível prevenir esse tipo de câncer, o diagnóstico precoce aumenta consideravelmente as chances de cura da doença e o exame mamográfico é uma das maneiras eficazes de se realizar esse diagnóstico. Estudos mostram que, de todas as mamografias avaliadas, de 10 a 15% tem seu diagnóstico errado (PEIXOTO, CANELLA e AZEVEDO, 2007)e isso pode levar a biópsias desnecessárias, ou até mesmo, fazer com que a paciente não receba o tratamento necessário. Uma possível solução para esse problema é usar um sistema CADx (Computer-aided Diagnosis) que analisa e classifica o nódulo presente em uma mamografia baseado em diferentes atributos. Seguindo uma das linhas de pesquisa do Laboratório de Análise e Processamento de Imagens Médicas e Odontológicas (LAPIMO) da Escola de Engenharia de São Carlos da USP, este trabalho tem como objetivo implementar um programa independente de plataforma que ajude a estabelecer a correlação entre a densidade de níveis de cinza do nódulo presente em uma mamografia e sua classificação (benigno ou maligno), ou seja, apenas um dos atributos que são levados em conta no sistema CADx. Durante o desenvolvimento do programa foram implementados alguns filtros para melhorar as segmentação do nódulo e da mama que é feita através do método de Otsu (OTSU, 1979). A versão final do programa permite, através de sua interface gráfica, que o usuário ajuste diversos parâmetros relacionados aos filtros implementados e também a utilizar nódulos já segmentados por outros métodos. Com o programa desenvolvido foi possível processar um grande número de mamografias, extraindo a densidade dos níveis de cinza do nódulo e da mama e com isso testar a eficácia de dois sistemas de classificação, a razão das médias do nódulo e da mama e o K-Nearest Neighbours (KNN), a fim de verificar a correlação entre a classificação do nódulo e sua densidade de níveis de cinza. Com os resultados foi possível verificar que a acurácia na classificação do nódulo depende fortemente do sistema de classificação e do escâner usado na digitalização da mamografia. O sistema de classificação KNN é superior à razão das médias do nódulo e da mama, sendo possível com ele atingir uma acurácia de 69,81% para uma amostra de 100 imagens e 66,17% com uma amostra de 352 imagens, usando apenas a densidade de níveis de cinza como atributo.

Título em Inglês

Não informado

Palavras-chave em Inglês

CADx
Mammography
Grayscale density
Otsu Method

Resumo em Inglês

In Brazil, except in the North, breast cancer is the most common type among women (INCA, 2015). As is not yet possible to prevent this type of cancer, early diagnosis greatly increases the chances of curing the disease and mammography is one of the most effective ways to accomplish this diagnosis. Studies show that, from all the mammograms, 10 to 15% has a wrong diagnosis(PEIXOTO, CANELLA e AZEVEDO, 2007) and this can lead to unnecessary biopsies, or even cause te patient to not receive the treatment needed. A possible solution is to use a CADx (Computer-aided Diagnosis) scheme that is able to analyse and classify, based on different attributes, the nodule present on a mammography. Following one of the research lines of the Medical and Dental image Processing and Analysis Laboratory (LAPIMO) from the Engineering School from USP São Carlos, this term paper has the objective to describe the implementation of a plataform-independent software that helps to establish the correlation between the grayscale density of a nodule present in a mammography and its classification (benign or malign), that is, only one of the attributes that are taken into account in a CADx scheme. During the software development, some filters that improve nodule and breast segmentation, that is done by Otsu method (OTSU, 1979), were created and implemented. On the final version, the user is able to adjust many parameters associated to the filters implemented and is also able to use nodules already segmented by another method. With the software created was possible to process a large number of mammograms, extracting the nodule and breast grayscale density to test the effectiveness from two classification systems, the ratio between nodule and breast means and also the K-Nearest Neighbours (KNN), in order to verify the correlation between the nodule classification and its grayscale density. With the results was possible to ascertain that the classification accuracy heavily depends on the classification system and the scanner, to digitalize the mammography, used. The KNN method is superior to the ration between nodule and breast means, the first one being able to achieve accuracy of 69,81% for a sample with 100 images and 66,17% for a sample with 352 images, using only the greyscale density as attribute.

Arquivos

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 todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome(s) do(s) autor(es) do trabalho.

Goncalves_Stefan_Muller_Ferreira-tcc.pdf (7.09 Mbytes)

Data de Publicação

2016-04-19

Número de visitas

962

Número de downloads

2227