Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador

Detalhes bibliográficos
Autor(a) principal: ALMEIDA, Raphael Lima Nobre de
Data de Publicação: 2016
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPE
dARK ID: ark:/64986/001300000f3b1
Texto Completo: https://repositorio.ufpe.br/handle/123456789/21011
Resumo: O câncer de pulmão tem se mostrado o mais agressivo e mortal dentre os tipos de câncer existentes. Uma das principais formas de combatê-lo eficientemente é através do diagnóstico precoce, porém, devido ao alto número de exames de tomografia analisados, vários casos tendem a passar despercebidos. Uma das maneiras de amenizar o problema é o uso de CAD para servir como segunda opinião no momento do diagnóstico. Esse trabalho apresenta um novo sistema CAD, tendo como resultado a indicação de nódulos presentes em exames de tomografia computadorizada do tórax de pacientes. O sistema proposto se baseia em propriedades matemáticas extraídas das regiões candidatas para determinar se elas são nódulos ou não, e a classificação é realizada usando um paralelo entre classificadores baseados em aprendizagem supervisionada e não-supervisionada. Foram estudados vários métodos CAD para definição de uma estrutura de processo automática, em todas as etapas, que primeiro realiza a segmentação da imagem do pulmão a partir de exames de tomografia computadorizada, depois extrai ROI contendo áreas com potencial presença de nódulos, e depois realiza a classificação das ROIs entre áreas com Nódulos e Não-nódulos. Uma base de dados pública de imagens de exames de pacientes LIDC, internacionalmente usada na concepção e testes de sistemas CAD, foi empregada. SOM e SVM foram investigados como classificadores. Como resultado, foram obtidos valores acima de 85% de acurácia, 88% de sensibilidade, 86% F-measure e 1,59 FP/Slice para o SVM e valores acima de 81% de acurácia e 86% de sensibilidade, 82% F-measure e 2,05 FP/Slice para o SOM, onde o FP/Slice significa a média de falsos positivos gerados por imagem. O sistema proposto apresentou resultados superiores em alguns aspectos quando comparados a metodos anteriores e ligeiramente inferior quando comparado com um sistema CAD de saída semelhante, mas que realiza a segmentação manual das regiões de interesse. A partir dos resultados, foi possível ratificar a viabilidade de sistemas CAD com um novo sistema para o diagnóstico de nódulos de câncer de pulmão.
id UFPE_76a2d5adac78ffe3a28e057507352bd4
oai_identifier_str oai:repositorio.ufpe.br:123456789/21011
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling ALMEIDA, Raphael Lima Nobre dehttp://lattes.cnpq.br/9855376233788875http://lattes.cnpq.br/5943634209341438VASCONCELOS, Germano Crispim2017-08-30T12:16:52Z2017-08-30T12:16:52Z2016-03-07https://repositorio.ufpe.br/handle/123456789/21011ark:/64986/001300000f3b1O câncer de pulmão tem se mostrado o mais agressivo e mortal dentre os tipos de câncer existentes. Uma das principais formas de combatê-lo eficientemente é através do diagnóstico precoce, porém, devido ao alto número de exames de tomografia analisados, vários casos tendem a passar despercebidos. Uma das maneiras de amenizar o problema é o uso de CAD para servir como segunda opinião no momento do diagnóstico. Esse trabalho apresenta um novo sistema CAD, tendo como resultado a indicação de nódulos presentes em exames de tomografia computadorizada do tórax de pacientes. O sistema proposto se baseia em propriedades matemáticas extraídas das regiões candidatas para determinar se elas são nódulos ou não, e a classificação é realizada usando um paralelo entre classificadores baseados em aprendizagem supervisionada e não-supervisionada. Foram estudados vários métodos CAD para definição de uma estrutura de processo automática, em todas as etapas, que primeiro realiza a segmentação da imagem do pulmão a partir de exames de tomografia computadorizada, depois extrai ROI contendo áreas com potencial presença de nódulos, e depois realiza a classificação das ROIs entre áreas com Nódulos e Não-nódulos. Uma base de dados pública de imagens de exames de pacientes LIDC, internacionalmente usada na concepção e testes de sistemas CAD, foi empregada. SOM e SVM foram investigados como classificadores. Como resultado, foram obtidos valores acima de 85% de acurácia, 88% de sensibilidade, 86% F-measure e 1,59 FP/Slice para o SVM e valores acima de 81% de acurácia e 86% de sensibilidade, 82% F-measure e 2,05 FP/Slice para o SOM, onde o FP/Slice significa a média de falsos positivos gerados por imagem. O sistema proposto apresentou resultados superiores em alguns aspectos quando comparados a metodos anteriores e ligeiramente inferior quando comparado com um sistema CAD de saída semelhante, mas que realiza a segmentação manual das regiões de interesse. A partir dos resultados, foi possível ratificar a viabilidade de sistemas CAD com um novo sistema para o diagnóstico de nódulos de câncer de pulmão.Lung cancer has demonstrated to be the most aggressive and mortal among all kinds of cancer. One of the main manners to efficiently defeat it is the early diagnostic, although due the high number of exams of computed tomography analyzed by the radiologists, they tend to let scape some true cases. A suitable way to diminish this problem is using CAD systems to be used as a second opinion during diagnostic task. Therefore, this work presents a new CAD system , showing as result the indication of the present nodules in thoracic computed tomography exams. The proposed system is based on mathematical properties extracted from Região de Interesse (Region of Interest) (ROI)s to define if they are nodules or not, the classification is accomplished using a parallel between supervised and unsupervised learning techniques.It was studied a gamut of Sistemas para Diagnóstico Assistido por Computador (Computer Aided Diagnosis) (CAD) methods to determine a struct of process, and a base of comparison between the methods. The chosen database was (Lung Image Database Consortium) (LIDC), because it is a public base, internationally used and has diagnostic to each ROI. Mapa Auto-organizável de Kohonen (Self-Organizing Map) (SOM) and Máquina de Vetor de Suporte (Support Vector Machine) (SVM) was used as classifiers, to trace a study of results among them.As result, SVM achieved more than 85% of accuracy, 86% F-measure, 88% of sensibility and 1,59 of FP/Slice. About SOM, the best parametric configuration resulted in more than 81% of accuracy, 85% of sensibility, 82% F-measure and 2,05 of FP/Slice. Thus, it was possible to deduce that the proposed system presents better score when compared with equivalents methods, and lightly worse when compared with a CAD that has ROIs segmented manually. Based on gathered results, it was possible to ratify the importance and the possibility of CAD applications, as well as presents a new system able to perform equivalent task.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em Ciencia da ComputacaoUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessCADTomografia ComputadorizadaDetecçãoClassificação de ImagensDetecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computadorinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILDissertação - Raphael Lima Nobre de Almeida.pdf.jpgDissertação - Raphael Lima Nobre de Almeida.pdf.jpgGenerated Thumbnailimage/jpeg1290https://repositorio.ufpe.br/bitstream/123456789/21011/5/Disserta%c3%a7%c3%a3o%20-%20Raphael%20Lima%20Nobre%20de%20Almeida.pdf.jpg3a61b441e938c5670eeae34fc3d82f39MD55ORIGINALDissertação - Raphael Lima Nobre de Almeida.pdfDissertação - Raphael Lima Nobre de Almeida.pdfapplication/pdf3877614https://repositorio.ufpe.br/bitstream/123456789/21011/1/Disserta%c3%a7%c3%a3o%20-%20Raphael%20Lima%20Nobre%20de%20Almeida.pdffb5c13466242f36f8e80a7bfdbe436abMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/21011/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82311https://repositorio.ufpe.br/bitstream/123456789/21011/3/license.txt4b8a02c7f2818eaf00dcf2260dd5eb08MD53TEXTDissertação - Raphael Lima Nobre de Almeida.pdf.txtDissertação - Raphael Lima Nobre de Almeida.pdf.txtExtracted texttext/plain148507https://repositorio.ufpe.br/bitstream/123456789/21011/4/Disserta%c3%a7%c3%a3o%20-%20Raphael%20Lima%20Nobre%20de%20Almeida.pdf.txt15e41e41700ac6e88f90ab5bd187785eMD54123456789/210112019-10-25 06:59:21.533oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-25T09:59:21Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
title Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
spellingShingle Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
ALMEIDA, Raphael Lima Nobre de
CAD
Tomografia Computadorizada
Detecção
Classificação de Imagens
title_short Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
title_full Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
title_fullStr Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
title_full_unstemmed Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
title_sort Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
author ALMEIDA, Raphael Lima Nobre de
author_facet ALMEIDA, Raphael Lima Nobre de
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9855376233788875
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5943634209341438
dc.contributor.author.fl_str_mv ALMEIDA, Raphael Lima Nobre de
dc.contributor.advisor1.fl_str_mv VASCONCELOS, Germano Crispim
contributor_str_mv VASCONCELOS, Germano Crispim
dc.subject.por.fl_str_mv CAD
Tomografia Computadorizada
Detecção
Classificação de Imagens
topic CAD
Tomografia Computadorizada
Detecção
Classificação de Imagens
description O câncer de pulmão tem se mostrado o mais agressivo e mortal dentre os tipos de câncer existentes. Uma das principais formas de combatê-lo eficientemente é através do diagnóstico precoce, porém, devido ao alto número de exames de tomografia analisados, vários casos tendem a passar despercebidos. Uma das maneiras de amenizar o problema é o uso de CAD para servir como segunda opinião no momento do diagnóstico. Esse trabalho apresenta um novo sistema CAD, tendo como resultado a indicação de nódulos presentes em exames de tomografia computadorizada do tórax de pacientes. O sistema proposto se baseia em propriedades matemáticas extraídas das regiões candidatas para determinar se elas são nódulos ou não, e a classificação é realizada usando um paralelo entre classificadores baseados em aprendizagem supervisionada e não-supervisionada. Foram estudados vários métodos CAD para definição de uma estrutura de processo automática, em todas as etapas, que primeiro realiza a segmentação da imagem do pulmão a partir de exames de tomografia computadorizada, depois extrai ROI contendo áreas com potencial presença de nódulos, e depois realiza a classificação das ROIs entre áreas com Nódulos e Não-nódulos. Uma base de dados pública de imagens de exames de pacientes LIDC, internacionalmente usada na concepção e testes de sistemas CAD, foi empregada. SOM e SVM foram investigados como classificadores. Como resultado, foram obtidos valores acima de 85% de acurácia, 88% de sensibilidade, 86% F-measure e 1,59 FP/Slice para o SVM e valores acima de 81% de acurácia e 86% de sensibilidade, 82% F-measure e 2,05 FP/Slice para o SOM, onde o FP/Slice significa a média de falsos positivos gerados por imagem. O sistema proposto apresentou resultados superiores em alguns aspectos quando comparados a metodos anteriores e ligeiramente inferior quando comparado com um sistema CAD de saída semelhante, mas que realiza a segmentação manual das regiões de interesse. A partir dos resultados, foi possível ratificar a viabilidade de sistemas CAD com um novo sistema para o diagnóstico de nódulos de câncer de pulmão.
publishDate 2016
dc.date.issued.fl_str_mv 2016-03-07
dc.date.accessioned.fl_str_mv 2017-08-30T12:16:52Z
dc.date.available.fl_str_mv 2017-08-30T12:16:52Z
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/123456789/21011
dc.identifier.dark.fl_str_mv ark:/64986/001300000f3b1
url https://repositorio.ufpe.br/handle/123456789/21011
identifier_str_mv ark:/64986/001300000f3b1
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 Ciencia da Computacao
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/123456789/21011/5/Disserta%c3%a7%c3%a3o%20-%20Raphael%20Lima%20Nobre%20de%20Almeida.pdf.jpg
https://repositorio.ufpe.br/bitstream/123456789/21011/1/Disserta%c3%a7%c3%a3o%20-%20Raphael%20Lima%20Nobre%20de%20Almeida.pdf
https://repositorio.ufpe.br/bitstream/123456789/21011/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/21011/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/21011/4/Disserta%c3%a7%c3%a3o%20-%20Raphael%20Lima%20Nobre%20de%20Almeida.pdf.txt
bitstream.checksum.fl_str_mv 3a61b441e938c5670eeae34fc3d82f39
fb5c13466242f36f8e80a7bfdbe436ab
e39d27027a6cc9cb039ad269a5db8e34
4b8a02c7f2818eaf00dcf2260dd5eb08
15e41e41700ac6e88f90ab5bd187785e
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_ 1815172804654399488