Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/7596| Título: | UMA PROPOSTA DE SISTEMA PARA SEGMENTAÇÃO DE MAMAS EM MULHERES PORTADORAS DE HIPERTROFIA MAMÁRIA SINTOMÁTICA |
| Título(s) alternativo(s): | A PROPOSAL FOR A BREAST SEGMENTATION IN WOMEN WITH SYMPTOMATIC BREAST HYPERTROPHY |
| Autor(es): | ARANHA JUNIOR, José Roberto de Araujo |
| Palavras-chave: | hipertrofia mamária sintomática; mamoplastia; processamento digital de ima gens; redes neurais convolucionais; segmentação symptomatic breast hypertrophy; mammaplasty; digital image processing; convolu tional neural networks; segmentation |
| Data do documento: | 20-Jul-2023 |
| Editor: | UFMA |
| Resumo: | A hipertrofia mamária sintomática (HMS) é uma alteração benigna caracterizada pelo aumento de uma ou ambas as mamas, que pode trazer uma série de consequências negativas à saúde física e psicossocial da mulher. Em casos mais graves, pode ser necessária a mamoplastia redutora, cirurgia que visa diminuir o volume excessivo. Na fase pré-operatória, é fundamental que o especialista possua informações quanto à forma, tamanho e volume da região. Entretanto, a região mamária é complexa de quantificar e fica sujeita à analise subjetiva do especialista ou a exames que nem sempre estão a disposição, como a ressonância magnética. O uso de ferramentas computacionais pode auxiliar a fornecer métricas mais precisas para embasar a tomada de decisão e o manejo adequado. Este trabalho propõe uma metodologia baseada em processamento digital de imagens e redes neurais convolucionais para a segmentação da região mamária, de modo a servir de etapa para cálculo futuro do volume. Os resultados obtidos são promissores com, entre outras métricas, precisão e recall superiores a 93%. |
| Descrição: | Symptomatic breast hypertrophy (SBH) is a benign alteration characterized by the enlargement of one or both breasts, which can have a series of negative consequences on the physical and psychosocial health of women. In more severe cases, breast reduction surgery, known as mammaplasty, may be necessary to reduce excessive volume. In the pre-surgical phase, it is essential for the specialist to have information about the shape, size, and volume of the region. However, quantifying the breast region is complex and susceptible to the specialist’s subjective analysis or examinations that may not always be available, such as magnetic resonance imaging. The use of computational tools can assist in providing more accurate metrics to support decision making and proper management. This study proposes a methodology based on digital image processing and convolutional neural networks for segmentation of the breast region, as a step towards future volume calculation. The results obtained are promising, with precision and recall metrics exceeding 93%, among others. |
| URI: | http://hdl.handle.net/123456789/7596 |
| Aparece nas coleções: | TCCs de Graduação de Engenharia da Computação do Campus do Bacanga |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| JOSÉ ROBERTO DE ARAUJO ARANHA JUNIOR.pdf | TCC de Graduação | 4,64 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.