Classificação de imagens de massas em mamografia usando LBP, índice de diversidade e SVM

Abstract

Este trabalho tem o objetivo de investigar a aplicação de técnicas de análise de textura e reconhecimento de padrões para diagnóstico de câncer de mama, cujo objetivo é dar ao especialista um maior suporte ao diagnóstico do câncer de mama. Busca-se utilizar somente a textura para caracterizar o padrão maligno e benigno ao invés das características do contorno das massas, já que tais características nem sempre são nítidas nas imagens, pois pode existir desde a sobreposição de achados como, por exemplo, massas e calcificações até lesões que não têm contorno bem definido, impedindo a visualização das mesmas e contribuindo para um número maior de biopsias com resultados negativos. Assim, este trabalho se propõe a estudar técnicas de análise de textura, tais como: Local Binary Pattern e Índices de Diversidade de Gleason e Menhinick, pois acredita-se que tais técnicas possam produzir boas características de textura que discriminem as regiões de massas nas mamografias digitalizadas entre malignas e benignas, visto que o sucesso da etapa de classificação depende muito das características geradas. As características produzidas serão submetidas como entrada para o processo de classificação supervisionada usando SVM e a estratégias de combinações de modelos Ensemble. Em ambos os casos uma parte das amostras será usada para a etapa treinamento do classificador. Esta etapa cria um padrão sobre as medidas extraídas. A outra parte, totalmente desconhecida da etapa de treinamento, é utilizada para fazer os testes e a validação dos resultados. Por último segue a etapa de validação e comparação de resultados obtidos no reconhecimento do padrão maligno e benigno para as diferentes métricas de extração de características. O melhor resultado foi obtido pelo o índice de diversidade de Gleason utilizando a abordagem GLCM com acurácia e sensibilidade de 77%, e especificidade de 76%.