Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos

• Autor(a) principal: VILA NOVA, Ramon de Lima
• Data de Publicação: 2017
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/27978
• topic: Engenharia Mecânica; Termografia; Câncer de mama; Processamento de imagens termográficas; Dados intervalares; Distância de Mahalanobis; Classificação estatística

A técnica de inspeção através de imagens termográficas tem se mostrado um procedimento promissor com respeito ao diagnóstico precoce de anomalias mamárias. A termografia é um exame simples, indolor, não-invasivo, que não usa radiação ionizante e é de baixo custo. Cisto e tumores apresentam uma elevada atividade metabólica provocando variações de temperaturas nestas regiões que podem ser detectados através de uma avaliação adequada de termogramas. A detecção do tipo de anomalia é realizada por meio de uma análise das suas características e as anomalias podem ser avaliadas e separadas em classe com o auxílio de classificadores estatísticos. O presente trabalho tem como objetivo utilizar métodos de classificação de imagens termográficas. Para isso, são apresentadas duas propostas de classificação de imagens digitais. A primeira proposta consiste em utilizar um classificador de quatro classes (Maligno, Benigno, Cisto e Normal), baseado na distância mínima de Mahalanobis para dados intervalares. A segunda proposta consiste em realizar a combinação de classificadores com o objetivo de se obter melhores resultados de classificação para anomalias mamárias, dando ênfase à taxa de acerto (ou acurácia) e à sensibilidade à Classe Maligno. A primeira abordagem de classificação obteve 72,71% de taxa de acerto e 96,30% de sensibilidade à Classe Maligno. A segunda abordagem, que consiste na combinação de classificadores, obteve 71,15% de taxa de acerto e 87,18% de sensibilidade à Classe Maligno, para um classificador multiclasse (Maligno, Benigno, Cisto e Normal), enquanto que, para um classificador binário (Câncer e Não-Câncer), os resultados obtidos com a combinação de classificadores foram de 94,21% de taxa de acerto do classificador e 95,26% de sensibilidade à Classe Maligno.