Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes
Autor(a) principal: | |
---|---|
Data de Publicação: | 2017 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | http://www.teses.usp.br/teses/disponiveis/18/18152/tde-08122017-113952/ |
Resumo: | Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Devido a subjetividade na interpretação de imagens, os sistemas de diagnóstico auxiliado por computador (CADx) têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia de investigação da potencialidade diagnóstica de um sistema computacional na classificação de achados suspeitos em imagens de ultrassom modo-B e de elastografia da mama. A base de dados foi constituída por 31 lesões malignas e 52 benignas e um conjunto adicional contendo 206 lesões de ultrassom modo-B (144 benignas e 62 malignas) para a realização dos testes de aprendizado de máquina. O contorno foi determinado automaticamente e através do delineamento manual de três radiologistas sob a imagem de ultrassom modo-B e, em seguida, mapeado na imagem elastográfica. As lesões foram classificadas pelo sistema CADx desenvolvido para ultrassom modo-B e elastografia do tipo strain. Os dados foram avaliados por meio da sensibilidade, especificidade e AUC. O sistema CADx desenvolvido proporcionou equivalência diagnóstica para a classificação das lesões a partir das diversas formas de determinação do contorno (manual e automática), permitindo a redução da variabilidade. Além disso, o sistema apontou resultados superiores à análise visual do radiologista que, quando considerado o resultado fornecido pela associação entre as imagens de ultrassom modo-B e elastografia, proporcionou um aumento comparativo de cerca de 7% em sensibilidade e 17,2% em especificidade nos testes com o sistema CADx usando o contorno feito pelo radiologista mais experiente. Além disso, constatou-se uma influência positiva no uso da ferramenta computacional pelos radiologistas, pois, na média, seus índices de sensibilidade e especificidade diagnóstica aumentaram também em relação à situação de análise convencional, passando de 87,1% e 55,8% para 90,3% e 73,1%, respectivamente. |
id |
USP_5308460e2ac08397f17d9f88d2f5e962 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-08122017-113952 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentesCharacterization of lesions in ultrasound and elastography images using machine learning methodsB-mode ultrasoundBreast cancerCâncer de mamaClassificaçãoClassificationConcordância interobservadorDescritores de característicasElastografiaElastographyFeature descriptorsImage processingInterobserver agreementProcessamento de imagensSegmentaçãoSegmentationUltrassom modo-BMuitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Devido a subjetividade na interpretação de imagens, os sistemas de diagnóstico auxiliado por computador (CADx) têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia de investigação da potencialidade diagnóstica de um sistema computacional na classificação de achados suspeitos em imagens de ultrassom modo-B e de elastografia da mama. A base de dados foi constituída por 31 lesões malignas e 52 benignas e um conjunto adicional contendo 206 lesões de ultrassom modo-B (144 benignas e 62 malignas) para a realização dos testes de aprendizado de máquina. O contorno foi determinado automaticamente e através do delineamento manual de três radiologistas sob a imagem de ultrassom modo-B e, em seguida, mapeado na imagem elastográfica. As lesões foram classificadas pelo sistema CADx desenvolvido para ultrassom modo-B e elastografia do tipo strain. Os dados foram avaliados por meio da sensibilidade, especificidade e AUC. O sistema CADx desenvolvido proporcionou equivalência diagnóstica para a classificação das lesões a partir das diversas formas de determinação do contorno (manual e automática), permitindo a redução da variabilidade. Além disso, o sistema apontou resultados superiores à análise visual do radiologista que, quando considerado o resultado fornecido pela associação entre as imagens de ultrassom modo-B e elastografia, proporcionou um aumento comparativo de cerca de 7% em sensibilidade e 17,2% em especificidade nos testes com o sistema CADx usando o contorno feito pelo radiologista mais experiente. Além disso, constatou-se uma influência positiva no uso da ferramenta computacional pelos radiologistas, pois, na média, seus índices de sensibilidade e especificidade diagnóstica aumentaram também em relação à situação de análise convencional, passando de 87,1% e 55,8% para 90,3% e 73,1%, respectivamente.Many procedures have been developed to aid in the early detection and diagnosis of breast cancer. In this context, Computer-Aided Diagnosis (CADx) systems were designed to provide to the specialist a reliable second opinion. This study presents the proposal of investigating the diagnostic ability of a computational system in the characterization of suspicious findings in B-mode ultrasound and breast elastography imaging. The database consisted of 31 malignant and 52 benign lesions and an additional data set containing 206 lesions (144 benign and 62 malignant) seen only on the B-mode ultrasound for performing the machine learning tests. Three radiologists drew manually the contour of the lesions in B-mode ultrasound and we used an automatic technique to segment the lesions. Then, the contour was mapped in the elastography image. The lesions were classified using the CADx system developed for B-mode ultrasound and strain elastography. We calculated the sensitivity, specificity and AUC to evaluate the data. The developed CADx system provided a diagnostic concordance in the classification of breast lesions from the different ways of contour determination (manual and automatic), allowing to reduce the diagnostic variability. In addition, the CADx system showed superior results to the visual analysis of the radiologist. When the radiologist associated both examinations (B-mode ultrasound and elastography), his visual analysis provided 87.10%, 55.77% and 0.714 of sensitivity, specificity and AUC, respectively. When we considered the result provided by the association between B-mode ultrasound and elastography images, the CADx system provided a comparative increase of about 7% of sensitivity and 17.2% of specificity, using the contour delimited by the most experienced radiologist. In addition, a positive influence was observed in the use of the computational tool by radiologists, since, on average, their sensitivity and specificity indexes also increased in relation to the conventional analysis, from 87.1% and 55.8% to 90.3% and 73.1%, respectively.Biblioteca Digitais de Teses e Dissertações da USPSchiabel, HomeroMarcomini, Karem Daiane2017-10-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/18/18152/tde-08122017-113952/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-10-09T13:16:04Zoai:teses.usp.br:tde-08122017-113952Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-10-09T13:16:04Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes Characterization of lesions in ultrasound and elastography images using machine learning methods |
title |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes |
spellingShingle |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes Marcomini, Karem Daiane B-mode ultrasound Breast cancer Câncer de mama Classificação Classification Concordância interobservador Descritores de características Elastografia Elastography Feature descriptors Image processing Interobserver agreement Processamento de imagens Segmentação Segmentation Ultrassom modo-B |
title_short |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes |
title_full |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes |
title_fullStr |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes |
title_full_unstemmed |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes |
title_sort |
Caracterização de lesões em imagens digitais de ultrassonografia e elastografia da mama utilizando técnicas inteligentes |
author |
Marcomini, Karem Daiane |
author_facet |
Marcomini, Karem Daiane |
author_role |
author |
dc.contributor.none.fl_str_mv |
Schiabel, Homero |
dc.contributor.author.fl_str_mv |
Marcomini, Karem Daiane |
dc.subject.por.fl_str_mv |
B-mode ultrasound Breast cancer Câncer de mama Classificação Classification Concordância interobservador Descritores de características Elastografia Elastography Feature descriptors Image processing Interobserver agreement Processamento de imagens Segmentação Segmentation Ultrassom modo-B |
topic |
B-mode ultrasound Breast cancer Câncer de mama Classificação Classification Concordância interobservador Descritores de características Elastografia Elastography Feature descriptors Image processing Interobserver agreement Processamento de imagens Segmentação Segmentation Ultrassom modo-B |
description |
Muitos procedimentos vêm sendo desenvolvidos para auxiliar no diagnóstico precoce do câncer de mama. Devido a subjetividade na interpretação de imagens, os sistemas de diagnóstico auxiliado por computador (CADx) têm oferecido ao especialista uma segunda opinião mais precisa e confiável. Nesse propósito, essa pesquisa apresenta uma metodologia de investigação da potencialidade diagnóstica de um sistema computacional na classificação de achados suspeitos em imagens de ultrassom modo-B e de elastografia da mama. A base de dados foi constituída por 31 lesões malignas e 52 benignas e um conjunto adicional contendo 206 lesões de ultrassom modo-B (144 benignas e 62 malignas) para a realização dos testes de aprendizado de máquina. O contorno foi determinado automaticamente e através do delineamento manual de três radiologistas sob a imagem de ultrassom modo-B e, em seguida, mapeado na imagem elastográfica. As lesões foram classificadas pelo sistema CADx desenvolvido para ultrassom modo-B e elastografia do tipo strain. Os dados foram avaliados por meio da sensibilidade, especificidade e AUC. O sistema CADx desenvolvido proporcionou equivalência diagnóstica para a classificação das lesões a partir das diversas formas de determinação do contorno (manual e automática), permitindo a redução da variabilidade. Além disso, o sistema apontou resultados superiores à análise visual do radiologista que, quando considerado o resultado fornecido pela associação entre as imagens de ultrassom modo-B e elastografia, proporcionou um aumento comparativo de cerca de 7% em sensibilidade e 17,2% em especificidade nos testes com o sistema CADx usando o contorno feito pelo radiologista mais experiente. Além disso, constatou-se uma influência positiva no uso da ferramenta computacional pelos radiologistas, pois, na média, seus índices de sensibilidade e especificidade diagnóstica aumentaram também em relação à situação de análise convencional, passando de 87,1% e 55,8% para 90,3% e 73,1%, respectivamente. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-10-30 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://www.teses.usp.br/teses/disponiveis/18/18152/tde-08122017-113952/ |
url |
http://www.teses.usp.br/teses/disponiveis/18/18152/tde-08122017-113952/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1815256497409490944 |