Detecção e classificação de nódulos de câncer de pulmão para diagnóstico assistido por computador
Autor(a) principal: | |
---|---|
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 |