Radiomics na tomossíntese mamária

• Autor(a) principal: Guerra, Jéssica Machado
• Data de Publicação: 2022
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/34532
• topic: Cancro da mama; Radiómica; Tomossíntese mamária; Aprendizagem automática

O trabalho descrito no presente documento tem como objetivo a avaliação da capacidade de diferentes classificadores em prever a classificação de lesões mamárias como benignas ou malignas em imagens de Tomossíntese Mamária de uma base de dados de domínio público. O estudo foi realizado usando uma abordagem 2D devido à anisotropia inerente ao processo de formação das imagens de Tomossíntese Mamária. Foram usados diferentes classificadores baseados em aprendizagem automática e comparadas as caraterísticas convencionais, discretizadas e as características de segunda ordem em separado e no seu conjunto (texturais). Ao usar as caraterísticas texturais os classificadores apresentaram melhores resultados de acurácia, com uma sensibilidade e especificidade maior; verificou-se também que, de forma geral, os classificadores apresentaram uma maior dificuldade em classificar corretamente as lesões malignas, resultando numa taxa de Verdadeiros Positivos baixa. Foram ainda testadas as hipóteses de o delineamento manual da lesão e a distância da lesão ao corte focal poderem interferir com a resposta dos classificadores usados. O delineamento manual da lesão apresentou ligeiras melhorias nos resultados obtidos pelos classificadores, com um aumento da capacidade em classificar as lesões malignas corretamente. A localização da lesão e seu distanciamento ao corte focal também influenciaram os resultados obtidos pelos classificadores, tendo-se obtido melhores resultados no subgrupo em que as lesões se encontravam a menor distância do corte focal. De forma geral, a Tomossíntese Mamária, sendo ainda uma modalidade imagiológica recente, quando integrada em processos automáticos de análise tanto no rastreio como no diagnóstico do cancro da mama, podem contribuir para melhorar a decisão clínica no que respeita à interpretação dos achados, lesões e avaliação da extensão da doença.