DAMA: diagnóstico automático de apoio para exames de mamografia
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da UNIFOR |
Texto Completo: | https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/129036 |
Resumo: | Este trabalho apresenta uma nova metodologia para aprimorar o processo de diagnóstico da mamografia de rastreio e descreve sua implementação como um sistema inteligente e interativo, integrado a uma solução PACS também proposta pelo autor deste trabalho. Através da caracterização de achados identificados na varredura de imagens médicas, na forma de anotações, são gerados automaticamente pré-laudos estruturados, aproximando as duas etapas principais do diagnóstico: a análise das imagens e a redação do relatório médico com as impressões diagnósticas. Por sua vez, esta caracterização pode ser feita automaticamente por modelos de aprendizagem de máquina, os quais geram anotações a partir do processamento das imagens do exame e das informações clínicas da paciente. As anotações geradas pelos modelos podem ser complementadas ou descartadas, provendo qualquer feedback necessário para a geração de bases de dados continuamente aperfeiçoadas. Mais especificamente, neste trabalho, modelos de aprendizagem profunda foram utilizados para a detecção de calcificações e nódulos. Adicionalmente, a avaliação de risco do exame foi inferida por modelos explicáveis, à luz do racional do BI-RADS. Os resultados mostram que a metodologia agrega valor ao processo convencional (atualmente exercido pela maioria dos radiologistas), com potencial de aumentar a produtividade destes e suportar com sucesso a descrição de exames médicos complexos, como a mamografia. Mais ainda, a metodologia e o sistema mostraram-se também extensíveis a outras modalidades e doenças, por exemplo, no rastreamento de câncer de pulmão baseado em tomografia de baixa dosagem. Palavras-chave: Diagnóstico automático. Sistema de apoio à decisão. Mamografia. Câncer de mama. Laudo médico interativo. Laudo médico estruturado e interativo |
id |
UFOR_8ddc00551e60c8f4c5d04e6d9f7bbd8a |
---|---|
oai_identifier_str |
oai::129036 |
network_acronym_str |
UFOR |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UNIFOR |
repository_id_str |
|
spelling |
DAMA: diagnóstico automático de apoio para exames de mamografiaTecnologia em saúdeDiagnóstico por imagemMamografiaEste trabalho apresenta uma nova metodologia para aprimorar o processo de diagnóstico da mamografia de rastreio e descreve sua implementação como um sistema inteligente e interativo, integrado a uma solução PACS também proposta pelo autor deste trabalho. Através da caracterização de achados identificados na varredura de imagens médicas, na forma de anotações, são gerados automaticamente pré-laudos estruturados, aproximando as duas etapas principais do diagnóstico: a análise das imagens e a redação do relatório médico com as impressões diagnósticas. Por sua vez, esta caracterização pode ser feita automaticamente por modelos de aprendizagem de máquina, os quais geram anotações a partir do processamento das imagens do exame e das informações clínicas da paciente. As anotações geradas pelos modelos podem ser complementadas ou descartadas, provendo qualquer feedback necessário para a geração de bases de dados continuamente aperfeiçoadas. Mais especificamente, neste trabalho, modelos de aprendizagem profunda foram utilizados para a detecção de calcificações e nódulos. Adicionalmente, a avaliação de risco do exame foi inferida por modelos explicáveis, à luz do racional do BI-RADS. Os resultados mostram que a metodologia agrega valor ao processo convencional (atualmente exercido pela maioria dos radiologistas), com potencial de aumentar a produtividade destes e suportar com sucesso a descrição de exames médicos complexos, como a mamografia. Mais ainda, a metodologia e o sistema mostraram-se também extensíveis a outras modalidades e doenças, por exemplo, no rastreamento de câncer de pulmão baseado em tomografia de baixa dosagem. Palavras-chave: Diagnóstico automático. Sistema de apoio à decisão. Mamografia. Câncer de mama. Laudo médico interativo. Laudo médico estruturado e interativoThis work presents a new methodology to improve the diagnostic process of screening mammography and describes its implementation as an intelligent and interactive system, integrated with a PACS solution also proposed by the author of this work. Through the characterization of findings identified in the scanning of medical images, in the form of annotations, structured pre-reports are automatically generated, approaching the two main stages of diagnosis: the analysis of the images and the writing of the medical report with the diagnostic impressions. In turn, this characterization can be done automatically by machine learning models, which generate annotations from the processing of the medical exam images and the patient¿s clinical information. The annotations generated by the models can be complemented or discarded, providing any feedback necessary for the generation of continuously improved databases. More specifically, in this work, deep learning models were used to detect calcifications and nodules. Additionally, the risk assessment of the exam was inferred by explainable models, in the light of the BI-RADS rationale. The results show that the methodology adds value to the conventional process (currently performed by most radiologists), with the potential to increase their productivity and successfully support the description of complex medical exams, such as mammography. Furthermore, the methodology and the system were also shown to be extensible to other modalities and diseases, for example, in the screening of lung cancer based on low-dose tomography. Keywords: Automatic diagnosis. Decision support system. Mammography. Breast cancer. Interactive medical report. Structured and interactive medical reportDissertação enviada com autorização e certificação via CI 84797/22 em 30/11/2022Rodrigues, Maria Andreia FormicoPinheiro, Vladia Celia MonteiroBezerra, Francisco NivandoUniversidade de Fortaleza. Programa de Pós-Graduação em Informática AplicadaPires, Leonardo Augusto2020info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf75f.https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/129036https://uol.unifor.br/auth-sophia/exibicao/27734porreponame:Biblioteca Digital de Teses e Dissertações da UNIFORinstname:Universidade de Fortaleza (UNIFOR)instacron:UNIFORinfo:eu-repo/semantics/openAccess2024-06-19T11:40:00Zoai::129036Biblioteca Digital de Teses e Dissertaçõeshttps://www.unifor.br/bdtdONGhttp://dspace.unifor.br/oai/requestbib@unifor.br||bib@unifor.bropendoar:2024-06-19T11:40Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR)false |
dc.title.none.fl_str_mv |
DAMA: diagnóstico automático de apoio para exames de mamografia |
title |
DAMA: diagnóstico automático de apoio para exames de mamografia |
spellingShingle |
DAMA: diagnóstico automático de apoio para exames de mamografia Pires, Leonardo Augusto Tecnologia em saúde Diagnóstico por imagem Mamografia |
title_short |
DAMA: diagnóstico automático de apoio para exames de mamografia |
title_full |
DAMA: diagnóstico automático de apoio para exames de mamografia |
title_fullStr |
DAMA: diagnóstico automático de apoio para exames de mamografia |
title_full_unstemmed |
DAMA: diagnóstico automático de apoio para exames de mamografia |
title_sort |
DAMA: diagnóstico automático de apoio para exames de mamografia |
author |
Pires, Leonardo Augusto |
author_facet |
Pires, Leonardo Augusto |
author_role |
author |
dc.contributor.none.fl_str_mv |
Rodrigues, Maria Andreia Formico Pinheiro, Vladia Celia Monteiro Bezerra, Francisco Nivando Universidade de Fortaleza. Programa de Pós-Graduação em Informática Aplicada |
dc.contributor.author.fl_str_mv |
Pires, Leonardo Augusto |
dc.subject.por.fl_str_mv |
Tecnologia em saúde Diagnóstico por imagem Mamografia |
topic |
Tecnologia em saúde Diagnóstico por imagem Mamografia |
description |
Este trabalho apresenta uma nova metodologia para aprimorar o processo de diagnóstico da mamografia de rastreio e descreve sua implementação como um sistema inteligente e interativo, integrado a uma solução PACS também proposta pelo autor deste trabalho. Através da caracterização de achados identificados na varredura de imagens médicas, na forma de anotações, são gerados automaticamente pré-laudos estruturados, aproximando as duas etapas principais do diagnóstico: a análise das imagens e a redação do relatório médico com as impressões diagnósticas. Por sua vez, esta caracterização pode ser feita automaticamente por modelos de aprendizagem de máquina, os quais geram anotações a partir do processamento das imagens do exame e das informações clínicas da paciente. As anotações geradas pelos modelos podem ser complementadas ou descartadas, provendo qualquer feedback necessário para a geração de bases de dados continuamente aperfeiçoadas. Mais especificamente, neste trabalho, modelos de aprendizagem profunda foram utilizados para a detecção de calcificações e nódulos. Adicionalmente, a avaliação de risco do exame foi inferida por modelos explicáveis, à luz do racional do BI-RADS. Os resultados mostram que a metodologia agrega valor ao processo convencional (atualmente exercido pela maioria dos radiologistas), com potencial de aumentar a produtividade destes e suportar com sucesso a descrição de exames médicos complexos, como a mamografia. Mais ainda, a metodologia e o sistema mostraram-se também extensíveis a outras modalidades e doenças, por exemplo, no rastreamento de câncer de pulmão baseado em tomografia de baixa dosagem. Palavras-chave: Diagnóstico automático. Sistema de apoio à decisão. Mamografia. Câncer de mama. Laudo médico interativo. Laudo médico estruturado e interativo |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020 |
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 |
https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/129036 |
url |
https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/129036 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://uol.unifor.br/auth-sophia/exibicao/27734 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 75f. |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UNIFOR instname:Universidade de Fortaleza (UNIFOR) instacron:UNIFOR |
instname_str |
Universidade de Fortaleza (UNIFOR) |
instacron_str |
UNIFOR |
institution |
UNIFOR |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UNIFOR |
collection |
Biblioteca Digital de Teses e Dissertações da UNIFOR |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UNIFOR - Universidade de Fortaleza (UNIFOR) |
repository.mail.fl_str_mv |
bib@unifor.br||bib@unifor.br |
_version_ |
1815437284738072576 |