Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFPE_50a325c682055042513f847ec30ca432 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/27978 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
VILA NOVA, Ramon de Limahttp://lattes.cnpq.br/0754775276737694http://lattes.cnpq.br/4457435468771667LIMA, Rita de Cassia Fernandes deARAUJO, Marcus Costa de2018-12-04T21:14:24Z2018-12-04T21:14:24Z2017-09-01https://repositorio.ufpe.br/handle/123456789/27978A 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.CAPESThe technique of inspection of infrared images has been shown to be a promising procedure for the early diagnosis of breast abnormalities. Thermography is a simple examination, painless, non-invasive, that does not use ionizing radiation, and it is a low cost examination. Cyst and tumors have a high metabolic activity causing temperature variations in those regions that can be detected by an accurate evaluation of the breast thermograms. The detection of the specific breast disorder is performed by means of an statistical analysis of the selected characteristics. The abnormalities are evaluated and separated in classes with the aid of statistical classifiers. The present work aims to use methods of classifying infrared breast images. Two types of classifications are proposed. The first proposal used a classifier considering four classes (Malignant, Benign, Cyst and Normal), based on the minimum distance of Mahalanobis for interval data. The second proposal performed the combination of classifiers in order to obtain better classification results for breast abnormalities. The first classification approach obtained 72,71% of accuracy and 96,30% of sensitivity to the Malignant Class. The second approach, consisting of the combination of classifiers, obtained 71,15% of accuracy and 87,18% of sensitivity to the Malignant Class for a multiclass classifier (Malignant, Benign, Cyst and Normal). Considering a binary classifier (Cancer and Non-Cancer), the results obtained with the combination of classifiers were 94,21% of accuracy and 95,26% of sensitivity to the Malignant Class.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Engenharia MecanicaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEngenharia MecânicaTermografiaCâncer de mamaProcessamento de imagens termográficasDados intervalaresDistância de MahalanobisClassificação estatísticaUso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILDISSERTAÇÃO Ramon de Lima Vila Nova.pdf.jpgDISSERTAÇÃO Ramon de Lima Vila Nova.pdf.jpgGenerated Thumbnailimage/jpeg1222https://repositorio.ufpe.br/bitstream/123456789/27978/10/DISSERTA%c3%87%c3%83O%20Ramon%20de%20Lima%20Vila%20Nova.pdf.jpg533e2edd3b2f8565f3983d2e79c5a552MD510ORIGINALDISSERTAÇÃO Ramon de Lima Vila Nova.pdfDISSERTAÇÃO Ramon de Lima Vila Nova.pdfapplication/pdf2886949https://repositorio.ufpe.br/bitstream/123456789/27978/6/DISSERTA%c3%87%c3%83O%20Ramon%20de%20Lima%20Vila%20Nova.pdfd3e04918e5e0b045ef47f3115e81b2a8MD56CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/27978/7/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD57LICENSElicense.txtlicense.txttext/plain; charset=utf-82311https://repositorio.ufpe.br/bitstream/123456789/27978/8/license.txt4b8a02c7f2818eaf00dcf2260dd5eb08MD58TEXTDISSERTAÇÃO Ramon de Lima Vila Nova.pdf.txtDISSERTAÇÃO Ramon de Lima Vila Nova.pdf.txtExtracted texttext/plain239911https://repositorio.ufpe.br/bitstream/123456789/27978/9/DISSERTA%c3%87%c3%83O%20Ramon%20de%20Lima%20Vila%20Nova.pdf.txt86c6af3edd43da3b63669c81fe46eac2MD59123456789/279782019-10-26 00:16:43.341oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-26T03:16:43Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos |
title |
Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos |
spellingShingle |
Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos VILA NOVA, Ramon de Lima Engenharia Mecânica Termografia Câncer de mama Processamento de imagens termográficas Dados intervalares Distância de Mahalanobis Classificação estatística |
title_short |
Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos |
title_full |
Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos |
title_fullStr |
Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos |
title_full_unstemmed |
Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos |
title_sort |
Uso de imagens termográficas de mama para análise de patologias através da comparação entre diversos classificadores estatísticos |
author |
VILA NOVA, Ramon de Lima |
author_facet |
VILA NOVA, Ramon de Lima |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/0754775276737694 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4457435468771667 |
dc.contributor.author.fl_str_mv |
VILA NOVA, Ramon de Lima |
dc.contributor.advisor1.fl_str_mv |
LIMA, Rita de Cassia Fernandes de |
dc.contributor.advisor-co1.fl_str_mv |
ARAUJO, Marcus Costa de |
contributor_str_mv |
LIMA, Rita de Cassia Fernandes de ARAUJO, Marcus Costa de |
dc.subject.por.fl_str_mv |
Engenharia Mecânica Termografia Câncer de mama Processamento de imagens termográficas Dados intervalares Distância de Mahalanobis Classificação estatística |
topic |
Engenharia Mecânica Termografia Câncer de mama Processamento de imagens termográficas Dados intervalares Distância de Mahalanobis Classificação estatística |
description |
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. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-09-01 |
dc.date.accessioned.fl_str_mv |
2018-12-04T21:14:24Z |
dc.date.available.fl_str_mv |
2018-12-04T21:14:24Z |
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://repositorio.ufpe.br/handle/123456789/27978 |
url |
https://repositorio.ufpe.br/handle/123456789/27978 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Engenharia Mecanica |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/27978/10/DISSERTA%c3%87%c3%83O%20Ramon%20de%20Lima%20Vila%20Nova.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/27978/6/DISSERTA%c3%87%c3%83O%20Ramon%20de%20Lima%20Vila%20Nova.pdf https://repositorio.ufpe.br/bitstream/123456789/27978/7/license_rdf https://repositorio.ufpe.br/bitstream/123456789/27978/8/license.txt https://repositorio.ufpe.br/bitstream/123456789/27978/9/DISSERTA%c3%87%c3%83O%20Ramon%20de%20Lima%20Vila%20Nova.pdf.txt |
bitstream.checksum.fl_str_mv |
533e2edd3b2f8565f3983d2e79c5a552 d3e04918e5e0b045ef47f3115e81b2a8 e39d27027a6cc9cb039ad269a5db8e34 4b8a02c7f2818eaf00dcf2260dd5eb08 86c6af3edd43da3b63669c81fe46eac2 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1802310863410954240 |