Estudo de variantes de padrões locais binários para o diagnóstico de câncer de mama

RAMOS NETO, Geovane Menezes

Use este identificador para citar ou linkar para este item: http://hdl.handle.net/123456789/3527

Registro completo de metadados

Campo DC	Valor	Idioma
dc.contributor.author	RAMOS NETO, Geovane Menezes	-
dc.date.accessioned	2019-06-10T17:13:48Z	-
dc.date.available	2019-06-10T17:13:48Z	-
dc.date.issued	2016-03-04	-
dc.identifier.uri	http://hdl.handle.net/123456789/3527	-
dc.description	Abstract Breast cancer is the type of cancer that affects more women worldwide, both in developing countries as in developed countries. About 57,120 new cases of this cancer were expected for the year 2015 in Brazil (INCA, 2015). The earlier cancer diagnosis, the better the chances that treatment will be successful. The diagnosis of breast cancer through mammography depends greatly on the expert, as this varies depending on the patient’s age, obtained image quality and experience of the expert. This study uses digital image processing techniques to discriminate patterns of benign and malignant masses. This discrimination is through the use of local operators, seeking to characterize the textures using the extracted histogram from the application of techniques Local Binary Pattern, Local quinary Pattern, Circular-Symmetric Local Binary Pattern and Compound Local Binary Pattern, and combine each of the techniques with approaches Cartesian Grid, Grid X, Complete Grid, Circular approach and Elliptical approach. Finally, the texture is classified using a support vector machine. The best result was obtained using the technique Compound Local Binary Pattern with Cartesian Grid approach, obtaining 89.09% of Accuracy, 84.00% Sensitivity, 95.09% Specificity and F-Score of 0.8929.	pt_BR
dc.description.abstract	O câncer de mama é o tipo de câncer que mais acomete as mulheres em todo o mundo. Cerca de 57.120 novos casos dessa neoplasia foram esperados para o ano de 2015 no Brasil (INCA, 2015). Quanto mais precoce o diagnóstico do câncer, maiores são as chances que o tratamento seja bem sucedido. O diagnóstico do câncer de mama através da mamografia depende bastante do especialista, pois este varia de acordo com a idade do paciente, qualidade da imagem obtida e experiência do especialista. Este estudo utiliza técnicas de processamento digital de imagens para discriminar os padrões de massas malignas e benignas. Esta discriminação se dá através da utilização de operadores locais, buscando caracterizar as texturas utilizando os histograma extraído a partir da aplicação das técnicas Local Binary Pattern, Local Quinary Pattern, Circular- Symmetric Local Binary Pattern e Compound Local Binary Pattern, além de combinar cada uma das técnicas com as abordagens Cartesian Grid, Grid X, Complete Grid, Abordagem Circular e a Abordagem Elíptica. Por fim, a textura será classificada utilizando a Máquina de Vetores de Suporte. O melhor resultado foi obtido utilizando a técnica Compound Local Binary Pattern com a abordagem Cartesian Grid, obtendo 89,09% de Acurácia, 84,00% de Sensibilidade, 95,09% de Especificidade e F-Score de 0,8929.	pt_BR
dc.language.iso	other	pt_BR
dc.publisher	Universidade Federal do Maranhão	pt_BR
dc.subject	Câncer de mama	pt_BR
dc.subject	Padrões locais binários	pt_BR
dc.subject	Diagnóstico de câncer	pt_BR
dc.subject	Análise de textura	pt_BR
dc.subject	Breast cancer	pt_BR
dc.subject	Local binary patterns	pt_BR
dc.subject	Diagnosis of cancer	pt_BR
dc.subject	Texture analysis	pt_BR
dc.title	Estudo de variantes de padrões locais binários para o diagnóstico de câncer de mama	pt_BR
dc.title.alternative	Study of variants of local binary patterns for the diagnosis of breast cancer	pt_BR
dc.type	Other	pt_BR
Aparece nas coleções:	TCCs de Graduação em Ciência da Computação do Campus do Bacanga

Arquivos associados a este item:

Arquivo	Descrição	Tamanho	Formato
GEOVANE-RAMOS.pdf	Trabalho de Conclusão de Curso	1,51 MB	Adobe PDF	Visualizar/Abrir

Mostrar registro simples do item Visualizar estatísticas