Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.6/2440 |
Resumo: | A imagem de ultrasons é uma ferramenta de diagnóstico importante e cada vez mais aplicada na deteção do cancro da mama. No entanto, este tipo de exame é, intrinsecamente, degradado por ruído e pelo baixo contraste, resultando em di culdades na deteção de massas ou nódulos e, acima de tudo, na avaliação do seu tamanho e forma. Neste sentido, as técnicas de diagnóstico assistido por computador surgem como um factor de suporte importante para a análise deste tipo de imagem. No presente trabalho, uma abordagem bifaseada para um método de segmentação de ultrasons mamários, totalmente automático, é apresentada. A primeira etapa procura realizar uma segmentação inicial da imagem, que permita a localização primária da Região de Interesse (ROI). A segunda parte foca-se na área de nida na etapa anterior, tendo como objectivo a melhoria da resolução espacial da segmentação. Na primeira etapa de segmentação, diversas técnicas de classi cação binária são aplicadas para realizar a segmentação da imagem, utilizando características multiresolução para o descriptor de pixel - ltragem FIR passa-banda e difusão não linear e curvatura scale-space de alta escala. Estas técnicas de processamento de imagem são aplicadas para a redução da in uência dos componentes de ruído inerentes aos ultrasons e, simultaneamente, recolher informação estrutural e estatística adequada para a segmentação das massas. Os dados são classi cados usando Support Vector Machines e Análise Discriminante. Na segunda fase, as máscaras obtidas a partir da segmentação inicial são dilatadas, produzindo uma área restrita que contém a ROI. Considerando apenas os pixéis pertencentes a esta região, uma nova segmentação é executada, através do algoritmo AdaBoost, usando a difusão não linear e curvaturas de menor escala. Um algoritmo de contornos activos é, também, aplicado para melhorar os resultados da segmentação, sendo as máscaras da segmentação inicial utilizadas como contornos iniciais. Os resultados nais con rmam a metodologia proposta como sendo uma solução promissora para a segmentação de massas em imagens de ultrasons da mama, revelando, em termos globais, bons resultados de acurácia - 97,58% (AdaBoost) e 97,70% (Contornos Activos) -, sensibilidade - 76,46% (AdaBoost) e 75,40% (Contornos Activos) - e de precisão - 87,26% (AdaBoost) e 87,51% (Contornos Activos). |
id |
RCAP_8961c4ae384722f9dcec7b5222f138f1 |
---|---|
oai_identifier_str |
oai:ubibliorum.ubi.pt:10400.6/2440 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresoluçãoUltrasons peitoraisDifusão não linearProcessamento de imagemSegmentos de imagensA imagem de ultrasons é uma ferramenta de diagnóstico importante e cada vez mais aplicada na deteção do cancro da mama. No entanto, este tipo de exame é, intrinsecamente, degradado por ruído e pelo baixo contraste, resultando em di culdades na deteção de massas ou nódulos e, acima de tudo, na avaliação do seu tamanho e forma. Neste sentido, as técnicas de diagnóstico assistido por computador surgem como um factor de suporte importante para a análise deste tipo de imagem. No presente trabalho, uma abordagem bifaseada para um método de segmentação de ultrasons mamários, totalmente automático, é apresentada. A primeira etapa procura realizar uma segmentação inicial da imagem, que permita a localização primária da Região de Interesse (ROI). A segunda parte foca-se na área de nida na etapa anterior, tendo como objectivo a melhoria da resolução espacial da segmentação. Na primeira etapa de segmentação, diversas técnicas de classi cação binária são aplicadas para realizar a segmentação da imagem, utilizando características multiresolução para o descriptor de pixel - ltragem FIR passa-banda e difusão não linear e curvatura scale-space de alta escala. Estas técnicas de processamento de imagem são aplicadas para a redução da in uência dos componentes de ruído inerentes aos ultrasons e, simultaneamente, recolher informação estrutural e estatística adequada para a segmentação das massas. Os dados são classi cados usando Support Vector Machines e Análise Discriminante. Na segunda fase, as máscaras obtidas a partir da segmentação inicial são dilatadas, produzindo uma área restrita que contém a ROI. Considerando apenas os pixéis pertencentes a esta região, uma nova segmentação é executada, através do algoritmo AdaBoost, usando a difusão não linear e curvaturas de menor escala. Um algoritmo de contornos activos é, também, aplicado para melhorar os resultados da segmentação, sendo as máscaras da segmentação inicial utilizadas como contornos iniciais. Os resultados nais con rmam a metodologia proposta como sendo uma solução promissora para a segmentação de massas em imagens de ultrasons da mama, revelando, em termos globais, bons resultados de acurácia - 97,58% (AdaBoost) e 97,70% (Contornos Activos) -, sensibilidade - 76,46% (AdaBoost) e 75,40% (Contornos Activos) - e de precisão - 87,26% (AdaBoost) e 87,51% (Contornos Activos).Breast ultrasound imaging is an important and increasingly applied diagnostic tool for breast cancer detection. However, this type of exam is intrinsically degraded by noise, resulting in a dif cult detection of masses or nodules, and, most importantly, the evaluation of their size and shape. Computer-aided diagnosis arises as a major help factor, for the analysis of this type of medical imaging. In this work, a two-stage approach towards a fully automated BUS segmentation method is presented. The rst stage attempts an initial segmentation of the BUS image, used to track the ROI. The second part focuses on the area surrounding the ROI de ned in the rst stage, improving the spatial resolution of the segmentation. In the rst segmentation stage, several binary class cation techniques are applied to perform image segmentation, using multi-resolution features to construct the pixel descriptor - FIR bandpass ltering and high scale non-linear diffusion and scale-space curvature. These processing techniques were chosen to reduce the in uence of noise components that are inherent to ultrasound images and, simultaneously, select structural and statistical information suitable for the segmentation of masses. The data is classi ed using Support Vector Machines and Discriminant Analysis. In the second stage, the masks obtained from the initial segmentation are dilated, yielding a restricted area containing the ROI. Considering only the pixels inside this region, a new segmentation task is performed. The images are classifed using an AdaBoost classi er, using lower scale non-linear diffusion and scale-space curvature measures. Active contours are also used to improve the segmentation results, being the initial segmentation masks are used as initial contours. Final results con rm the proposed methods as a promising solution for mass segmentation in BUS images, achieving good overall accuracy - 97.58% for (AdaBoost) and 97.70% (Active Contours) -, recall - 76.46% (AdaBoost) and 75.40% (Active Contours) - and precision - 87.26% (AdaBoost) and 87.51% (Active Contours) - results~.Pinheiro, António Manuel GonçalvesuBibliorumRodrigues, Jorge Rafael Mendes2014-10-15T09:58:15Z201220122012-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.6/2440porinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-12-15T09:38:28Zoai:ubibliorum.ubi.pt:10400.6/2440Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T00:44:07.115761Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução |
title |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução |
spellingShingle |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução Rodrigues, Jorge Rafael Mendes Ultrasons peitorais Difusão não linear Processamento de imagem Segmentos de imagens |
title_short |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução |
title_full |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução |
title_fullStr |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução |
title_full_unstemmed |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução |
title_sort |
Segmentação de massas em ultrasons peitorais usando técnicas de multiresolução |
author |
Rodrigues, Jorge Rafael Mendes |
author_facet |
Rodrigues, Jorge Rafael Mendes |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pinheiro, António Manuel Gonçalves uBibliorum |
dc.contributor.author.fl_str_mv |
Rodrigues, Jorge Rafael Mendes |
dc.subject.por.fl_str_mv |
Ultrasons peitorais Difusão não linear Processamento de imagem Segmentos de imagens |
topic |
Ultrasons peitorais Difusão não linear Processamento de imagem Segmentos de imagens |
description |
A imagem de ultrasons é uma ferramenta de diagnóstico importante e cada vez mais aplicada na deteção do cancro da mama. No entanto, este tipo de exame é, intrinsecamente, degradado por ruído e pelo baixo contraste, resultando em di culdades na deteção de massas ou nódulos e, acima de tudo, na avaliação do seu tamanho e forma. Neste sentido, as técnicas de diagnóstico assistido por computador surgem como um factor de suporte importante para a análise deste tipo de imagem. No presente trabalho, uma abordagem bifaseada para um método de segmentação de ultrasons mamários, totalmente automático, é apresentada. A primeira etapa procura realizar uma segmentação inicial da imagem, que permita a localização primária da Região de Interesse (ROI). A segunda parte foca-se na área de nida na etapa anterior, tendo como objectivo a melhoria da resolução espacial da segmentação. Na primeira etapa de segmentação, diversas técnicas de classi cação binária são aplicadas para realizar a segmentação da imagem, utilizando características multiresolução para o descriptor de pixel - ltragem FIR passa-banda e difusão não linear e curvatura scale-space de alta escala. Estas técnicas de processamento de imagem são aplicadas para a redução da in uência dos componentes de ruído inerentes aos ultrasons e, simultaneamente, recolher informação estrutural e estatística adequada para a segmentação das massas. Os dados são classi cados usando Support Vector Machines e Análise Discriminante. Na segunda fase, as máscaras obtidas a partir da segmentação inicial são dilatadas, produzindo uma área restrita que contém a ROI. Considerando apenas os pixéis pertencentes a esta região, uma nova segmentação é executada, através do algoritmo AdaBoost, usando a difusão não linear e curvaturas de menor escala. Um algoritmo de contornos activos é, também, aplicado para melhorar os resultados da segmentação, sendo as máscaras da segmentação inicial utilizadas como contornos iniciais. Os resultados nais con rmam a metodologia proposta como sendo uma solução promissora para a segmentação de massas em imagens de ultrasons da mama, revelando, em termos globais, bons resultados de acurácia - 97,58% (AdaBoost) e 97,70% (Contornos Activos) -, sensibilidade - 76,46% (AdaBoost) e 75,40% (Contornos Activos) - e de precisão - 87,26% (AdaBoost) e 87,51% (Contornos Activos). |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012 2012 2012-01-01T00:00:00Z 2014-10-15T09:58:15Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.6/2440 |
url |
http://hdl.handle.net/10400.6/2440 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799136338791890944 |